ORB_SLAM2安装与运行

1、ORB_SLAM2 安装与运行1. 安装 C+11 编译器ORB_SLAM2 使用了 C+11 的线程和时间控制函数。 javascript view plain copy print?$sudo apt-get install gcc g+2. 安装 PangolinORB_SLAM2 使用 Pangolin 构建可视化用户界面 . 参 见 javascript view plain copy print?$ sudo apt-get install libglew-dev#安装 Glew $ sudo apt-get install cmake#安装 CMake# 安装 Boost $ s

2、udo apt-get installlibboost-dev libboost-thread-dev libboost-filesystem-dev $ sudo apt-get install libpython2.7-dev# 安装 Python2 /Python3 #下载、编译、安装 Pangolin: $ git clone $ cd Pangolin $ mkdir build $ cd build $ cmake -DCPP11_NO_BOOST=1 . $ make $ sudo make install3. 安装 OpenCV ORB_SLAM2 使用 OpenCV 处理图像

3、以及特征 . 参见 : /downloads.htm. 至少需要 的版本 .本测试用 OpenCV 2413.（注：与 cuda 8.0不兼容，若需要 GPU 加速（使用 cuda8.0 ，cuda8.0 以前的 版本不支持 GTX1080 ），则需要安装 CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -DINSTALL_C_EXAMPLES=ON -D INSTALL

4、_PYTHON_EXAMPLES=ON -DBUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON -DCUDA_GENERATION=Kepler .$ make $ sudo make installjavascript view plain copy print?# 在其中写入 : /usr/local/lib# 在文件末尾写入 :#PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/l ib/pkgconfig #export PKG_CONFIG_PATH sudo ldconfig sudo gedit

5、/etc/bash.bashrc #source 此脚本 source /etc/bash.bashrc4. 安装 g2o 需要 Eigen ，下载和安装 Eigen3 的方法可以看这儿 . 需要 及以上。 编译时依赖此模块，最好在 编译前安装 )提供以下功能模块：1) 密集矩阵和数组操作2) 解密集线性方程组和矩阵分解-求解线性最小二乘系统-密集矩阵分解 (Cholesky, LU, QR, SVD,特征值分解 )3）解稀疏线性方程组和矩阵分解-稀疏矩阵操作-求解稀疏线性最小二乘系统- 稀疏矩阵分解( SpareCore, OrderingMethods, SpareCholesky, Sp

6、areLU, SparseQR, 迭代线性求解)4）空间变换- 2D 旋转（角度）- 3D 旋转（角度 +轴 ）- 3D 旋转 （ 四元组 : quaternion）- N 维缩放- N 维平移- N 维仿射变换- N 维线性变换（旋转、平移、缩放）javascript view plain copy print?$ sudo apt-get install libeigen3-dev5. BLAS and LAPACKg2o 需要 BLAS 和 LAPACK(1) BLAS: Basic Linear Algebra Subprograms 提供了基本的向量和矩阵操作：Level-1 BLA

7、S:支持标量、向量、向量 -向量 操作Level-2 BLAS:支持矩阵 -向量 操作Level-3 BLAS:支持矩阵 -矩阵 操作(2) LAPACK ： Linear Algebra PACKage它调用 BLAS 来实现更高级的功能，支持以下操作：- 解线性方程组- 线性方程组的最小二乘解- 特征值问题和奇异值问题- 矩阵分解 (LU, Cholesky, QR, SVD, Schur, generalized Schur)- 支持密集和带状矩阵，但不支持一般的稀疏矩阵- 支持单精度和双精度javascript view plain copy print?$ sudo apt-get

8、install libblas-dev $ sudo apt-get install liblapack-dev6. DBoW2 and g2o (Included in Thirdparty folder)ORB_SLAM2 使用修改版的 DBoW2 库进行位置识别 使用 g2o 库进行非线性优化 . 这两个修改版的库被放在第 三方文件夹内 .7. 编译 ORB_SLAM2 库和例子程序 (单目、双目和 RGB-D) javascript view plain copy print?$ git clone ORB_SLAM2 $ cd ORB_SLAM2$ chmod +x build.sh

9、$ ./build.sh生成的 libORB_SLAM2.so 位于 lib 目录下，可执行程序 mono_tum, mono_kitti, rgbd_tum, stereo_kitti, mono_euroc and stereo_euroc 位于 Examples 目录下。8. 运行例子程序8.1 Monocular 实例1) TUM 数据集从 d 下载并解压一个序列，如： rgbd_dataset_freiburg1_desk2.tgz执行下面的命令(把 TUMX.yaml 修改为 TUM1.yaml < freiburg1 序列 >,TUM2.yaml < freib

10、urg2 序列 > or TUM3.yaml < freiburg3 序列 > )javascript view plain copyprint?$ ./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt ./Examples/Monocular/TUMX.yam l PATH_TO_SEQUENCE_FOLDER#for example$ ./Examples/Monocular/mono_tumVocabulary/ORBvoc.txt ./Examples/Monocular/TUM1.yaml./tum_data/rgb

11、d_dataset_freiburg1_desk2/2） KITTI 数据集从 下载 数据集（灰度图像） ， 把 KITTIX.yaml 修改为 KITTI00-02.yaml, KITTI03.yaml or KITTI04-12.yaml ，这些 *xx.yaml 各自对应于序列 0 to 2, 3, and 4 to 12. Change PATH_TO_DATASET_FOLDER to the uncompressed dataset folder. Change SEQUENCE_NUMBER to 00, 01, 02,., 11. 如有不明白的地方，看一下代码： javascr

12、ipt view plain copy print?./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER8.2 Stereo 实例1) KITTI 数据集从 下载 数据集(灰度图像) ，把 KITTIX.yaml修改为 KITTI00-02.yaml, KITTI03.yaml orKITTI04-12.yaml ，这些 *xx.yaml 各自对应于序列 0 to 2

13、, 3, and 4 to 12. Change PATH_TO_DATASET_FOLDER to the uncompressed dataset folder. ChangeSEQUENCE_NUMBER to 00, 01, 02,., 11.如有不明白的地方，看一下代码：javascript view plain copy print?./Examples/Stereo/stereo_kittiVocabulary/ORBvoc.txt Examples/Stereo/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQ U

14、ENCE_NUMBER8.3 RGB-D 实例1) TUM 数据集从d 下载并解压一个序列，如：rgbd_dataset_freiburg1_desk2.tgz运行 RGB-D 实例时需要 RGBD（depth） 图像和 RGB 图像，所以需要把每一张 RGB 图像与之对应的 RGBD 图像 建立关联 （在 Examples/RGB-D/associations/ 目录下有一部 分关联文件，可以直接使用） ，关联 python 文件 associate.py（ 根据 timestamp 进行关联 ） 。javascript view plain copy print?$ python asso

15、ciate.py PATH_TO_SEQUENCE/rgb.txt PATH_TO_SEQUENCE/depth.txt > associations.txt执行下面的命令 (把 TUMX.yaml 修改为 TUM1.yaml < freiburg1 序列 >,TUM2.yaml < freiburg2 序列 > or TUM3.yaml < freiburg3 序列 > )，把 ASSOCIATIONS_FILE 修改为对应的关联文件。javascript view plain copy print?$./Examples/RGB-D/rgbd_tu

16、m Vocabulary/ORBvoc.txt Examples/RGB-D/TUMX.yaml PATH_TO_SEQUENCE_FOLDER ASSOCIATIONS_FILE# for example $./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt ./Examples/RGB-D/TUM1.yaml ./tum-data/rgbd_dataset_freiburg1_desk2/ ./Examples/RGB-D/associations/fr1_desk2.txt8.4 ROS 实例8.4.1 安装 ROS 9. SLAM 和 Localization 模式你可在 GUI 中切换至 SLAM