ORB_SLAM2在Ubuntu 14.04上的操作

最新推荐文章于 2019-07-20 17:23:39 发布

鸡块米线LVC

最新推荐文章于 2019-07-20 17:23:39 发布

阅读量624

点赞数 1

分类专栏： orb_slam2 slam 文章标签： ORB_SLAM2实践 ORB_SLAM2操作指南

本文链接：https://blog.csdn.net/zxcqlf/article/details/80512473

版权

orb_slam2 同时被 2 个专栏收录

3 篇文章 3 订阅

订阅专栏

slam

3 篇文章 0 订阅

订阅专栏

ORB_SLAM2项目地址：http://webdiis.unizar.es/~raulmur/orbslam/

如有问题可以留言，我看到就会回复，刚把ORB_SLAM2的程序看完，接下来会更新对程序的详细分析。

前一部分为运行所需库的安装，后一部分为具体操作流程，由本人亲测的相关操作指令，ROS上的操作暂未测试，之后会更新。

所需条件：

## C++11 or C++0x Compiler
We use the new thread and chrono functionalities of C++11.

## Pangolin
We use [Pangolin](https://github.com/stevenlovegrove/Pangolin) for visualization and user interface. Dowload and install instructions can be found at: https://github.com/stevenlovegrove/Pangolin.

## OpenCV
We use [OpenCV](http://opencv.org) to manipulate images and features. Dowload and install instructions can be found at: http://opencv.org. **Required at leat 2.4.3. Tested with OpenCV 2.4.11 and OpenCV 3.2**.

## Eigen3
Required by g2o (see below). Download and install instructions can be found at: http://eigen.tuxfamily.org. **Required at least 3.1.0**.

## DBoW2 and g2o (Included in Thirdparty folder)
We use modified versions of the [DBoW2](https://github.com/dorian3d/DBoW2) library to perform place recognition and [g2o](https://github.com/RainerKuemmerle/g2o) library to perform non-linear optimizations. Both modified libraries (which are BSD) are included in the *Thirdparty* folder

PONGOLIN安装：

安装依赖项：

sudo apt-get install libglew-dev

sudo apt-get install libpython2.7-dev

sudo apt-get install build-essential

然后转到某一个文件目录下，下载安装包，通过cmake方式进行安装

git clone https://github.com/stevenlovegrove/Pangolin.git

cd Pangolin

mkdir build

cd build

cmake ..

make -j

sudo make install

OpenCV要求最低版本为2.4.3。

安装过程：从OpenCV官网下载OpenCV2.4.11。然后安装依赖项：

sudo apt-get install libgtk2.0-dev

sudo apt-get install pkg-config

将下载的OpenCV解压到自己的指定目录，OpenCV为cmake工程库，cd进入到OpenCV的目录下。

mkdir build

cd build

cmake ..

make

sudo make install

Eigen3

最低要求版本为3.1.0。在http://eigen.tuxfamily.org 下载Eigen3的最新版本，一般是一个压缩文件，下载后解压，然后cd到Eigen3的根目录下,安装方法与OpenCV相似。

mkdir build

cd build

cmake ..

make

sudo make install

以上依赖项安装完成后：

先转到自己打算存储ORBSLAM2工程的路径，下载ORB——SLAM2程序：

git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2

进入该工程文件目录下

cd ORB_SLAM2

原作者在程序中提供一个脚本`build.sh`来构建* Thirdparty *库和* ORB-SLAM2 *。请确保已安装了所有必需的依赖项后执行：

chmod +x build.sh

./build.sh

实践操作运行：

确保仍在ORB_SLAM2目录下：

单目：

TUM数据集：

可以从http://vision.in.tum.de/data/datasets/rgbd-dataset/download下载一个数据集并解压放入到当前ORB_SLAM2文件中：

端口输入：

./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUMX.yaml PATH_TO_SEQUENCE_FOLDER

将TUMX.yaml分别更改为TUM1.yaml，TUM2.yaml或TUM3.yaml（均为相机参数，与所下载数据集相对应），分别用于freiburg1，freiburg2和freiburg3序列。将PATH_TO_SEQUENCE_FOLDER更改为未压缩的序列文件夹。

例如输入：

./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM1.yaml /home/ORB_SLAM2/rgbd_dataset_freiburg1_xyz

以下示例输入形式类似

KITTI数据集：

可以从http://www.cvlibs.net/datasets/kitti/eval_odometry.php下载一个数据集并解压放入到当前ORB_SLAM2文件中：

端口输入：

./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER

其中将KITTIX.yaml分别更改为KITTI00-02.yaml，KITTI03.yaml或KITTI04-12.yaml，分别为序列0至2,3和4至12。将PATH_TO_DATASET_FOLDER更改为未压缩的数据集文件夹。将SEQUENCE_NUMBER更改为对应的00,01,02，...，11。

EuRoC数据集：

可以从http://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets下载一个数据集并解压放入到当前ORB_SLAM2文件中：

端口输入：

./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml PATH_TO_SEQUENCE_FOLDER/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/SEQUENCE.txt

./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml PATH_TO_SEQUENCE/cam0/data Examples/Monocular/EuRoC_TimeStamps/SEQUENCE.txt

对V1和V2序列执行以下第一个命令，或对MH序列执行第二个命令。根据您想要运行的序列更改PATH_TO_SEQUENCE_FOLDER和SEQUENCE。

双目：

KITTI数据集：

可以从http://www.cvlibs.net/datasets/kitti/eval_odometry.php下载一个数据集并解压放入到当前ORB_SLAM2文件中：

端口输入指令：

./Examples/Stereo/stereo_kitti Vocabulary/ORBvoc.txt Examples/Stereo/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER

EuRoC数据集：

可以从http://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets下载一个数据集并解压放入到当前ORB_SLAM2文件中：

端口输入指令：

./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml PATH_TO_SEQUENCE/mav0/cam0/data PATH_TO_SEQUENCE/mav0/cam1/data Examples/Stereo/EuRoC_TimeStamps/SEQUENCE.txt

./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml PATH_TO_SEQUENCE/cam0/data PATH_TO_SEQUENCE/cam1/data Examples/Stereo/EuRoC_TimeStamps/SEQUENCE.txt

其中对V1和V2序列执行以下第一个命令，或对MH序列执行第二个命令。根据您想要运行的序列更改PATH_TO_SEQUENCE_FOLDER和SEQUENCE。

RGBD:

TUM数据集：

可以从http://vision.in.tum.de/data/datasets/rgbd-dataset/download下载一个数据集并解压放入到当前ORB_SLAM2文件中：

使用python脚本associate.py关联RGB图像和深度图像。在Examples / RGB-D / associations /中已经生成了对一些序列提供了关联。也可以生成自己的关联文件执行，但是前提是有associate.py文件，可以将其放置于OORB_SLAM2文件下，PATH_TO_SEQUENCE为下载的数据集路径：

python associate.py PATH_TO_SEQUENCE/rgb.txt PATH_TO_SEQUENCE/depth.txt > associations.txt

执行以下命令。将TUMX.yaml分别更改为TUM1.yaml，TUM2.yaml或TUM3.yaml，分别用于freiburg1，freiburg2和freiburg3序列。将PATH_TO_SEQUENCE_FOLDER更改为未压缩的序列文件夹。将ASSOCIATIONS_FILE更改为相应关联文件的路径，端口输入：

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUMX.yaml PATH_TO_SEQUENCE_FOLDER ASSOCIATIONS_FILE

本人测试：

以其文件自身所带有的关联文件为例，输入：

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM1.yaml rgbd_dataset_freiburg1_xyz（为所下载数据集文件名称，我是放置在了ORB_SLAM2目录之下，所以路径可直接写为文件名） Examples/RGB-D/associations/fr1_xyz.txt（最后的txt文件名需要与所用的数据集相对应）

由associate.py生成关联文件，还是在ORB_SLAM2目录之下，输入：

cd rgbd_dataset_freiburg1_xyz 进入所下载数据集，将associate.py文件放入

python associate.py rgb.txt depth.txt > associations.txt 生成关联文件

cd .. 返回至ORB_SLAM2目录之下

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM1.yaml rgbd_dataset_freiburg1_xyz rgbd_dataset_freiburg1_xyz/associations.txt

参考于该项目中的说明文件：README.md

个人见解，如需转载请注明出处https://blog.csdn.net/zxcqlf/article/details/80512473。