首页 > 其他分享 >基于ORB-SLAM3库搭建SLAM系统

基于ORB-SLAM3库搭建SLAM系统

时间：2023-05-11 14:23:52浏览次数：44  
标签：sudo dev SLAM3 文件夹 build SLAM ORB

参考资料

ORB-SLAM3配置及安装教程
ORB-SLAM3配置安装及运行

环境配置

Win 11pro
VMware 17Pro
Ubuntu 18.04
Eigen3
Pangolin
Opencv3.4.3
ORB-SLAM3源码： https://github.com/UZ-SLAMLab/ORB_SLAM3

效果图

注意事项

如果是新系统，没有安装git，则需要先装git
sudo apt-get install git

如果是新系统的话，预装的vi编辑器不完整，用不了
执行如下命令安装vi编辑器
sudo apt-get remove vim-common
sudo apt-get install vim

DBoW2 and g2o
DBoW2主要用于回环检测，g2o（General Graph Optimization）主要用于图优化。
ORB-SLAM3的源码包自带DBoW2 and g2o，编译时会自动安装，不用管。

PART 1：准备工作（下载安装要用的文件）

step1: 新建一个文件夹，用于存放下载的文件

暂取名为 SLAM

step2: 下载 ORB-SLAM3源码

在 SLAM 文件夹下打开终端
输入以下指令
git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git

step3: 下载 Pangolin

在 SLAM 文件夹下打开终端
输入以下指令
git clone https://github.com/stevenlovegrove/Pangolin.git

step4: 下载 Eigen3

在 SLAM 文件夹下打开终端
输入以下指令
git clone https://github.com/eigenteam/eigen-git-mirror

PART 2：安装步骤

step1: 安装 Eigen3

在 SLAM 文件夹下打开终端
输入以下指令
cd eigen-git-mirror
mkdir build
cd build
cmake ..
sudo make install
 
#安装后,头文件安装在/usr/local/include/eigen3/

step2: 安装 Pangolin

安装 Pangolin 需要的依赖工具

在终端依次输入以下指令

sudo apt install libgl1-mesa-dev

sudo apt install libglew-dev

sudo apt install cmake

sudo apt install libpython2.7-dev

sudo apt install pkg-config

sudo apt install libegl1-mesa-dev libwayland-dev libxkbcommon-dev wayland-protocols

安装 Pangolin

在 SLAM 文件夹下打开终端
输入以下指令
cd Pangolin
mkdir build
cd build
cmake ..
cmake --build .

step3: 安装 Opencv3.4.3

官网下载地址：https://opencv.org/releases/page/5/

下载之后放在最开始创建的 SLAM 文件夹，右键提取文件进行解压
更新一下，准备安装OpenCV依赖库

在终端输入以下指令
sudo apt-get update

安装OpenCV所有依赖库

在终端输入以下指令
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg-dev libtiff5-dev libswscale-dev libjasper-dev

# 原博客安装的是libtiff4-dev，运行过程报错，改成libtiff5-dev

编译OpenCV

在 SLAM 文件夹下打开终端
输入以下指令
cd opencv-3.4.3
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

注意：执行上面指令后，终端会自动下载一个必需的ippicv加速库。
如果终端卡住并显示正在下载，只需要等一会儿不用进行任何操作。
否则，终端会显示报错

再次执行cmake指令，完成编译
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

cmake完成之后使用make编译
make -j4

安装
sudo make install

配置环境

1、添加库路径
sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'
2、更新系统库
sudo ldconfig
3、配置bash
sudo gedit /etc/bash.bashrc

在末尾添加如下两行代码
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig  
export PKG_CONFIG_PATH 

保存，执行如下指令使得配置生效
source /etc/bash.bashrc 

更新
sudo updatedb
4、版本检测

pkg-config --modversion opencv
输出如下，表示OpenCV完成了安装

step4: 安装 boost 库

boost官网地址：https://www.boost.org/
下载 1.77.0 版本

将文件下载至SLAM文件夹下，并解压

解压之后进入解压出来的文件夹

执行以下指令

sudo ./bootstrap.sh

执行完毕之后，会发现又多了些文件

再执行下面这个脚本

sudo ./b2 install

需要一段时间，耐心等待即可

step5: 安装 libssl-dev

在 SLAM 文件夹下打开终端
输入以下指令
sudo apt-get install libssl-dev

step6: ORB-SLAM3 的编译和安装

ORB-SLAM3 源码编译

在 SLAM 文件夹下打开终端
输入以下指令
cd ORB_SLAM3-master
chmod +x build.sh

打开ORB_SLAM3-master对应的CMakeLists.txt
找到 find_package(OpenCV 4.4)这行代码，将OpenCV版本号改为find_package(OpenCV 3.4)

逐行依次执行以下指令

安装 ORB-SLAM3

echo "Configuring and building Thirdparty/DBoW2 ..."
 
cd Thirdparty/DBoW2
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j
 
cd ../../g2o
 
echo "Configuring and building Thirdparty/g2o ..."
 
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j

cd ../../Sophus

echo "Configuring and building Thirdparty/Sophus ..."

mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j

cd ../../../

echo "Uncompress vocabulary ..."

cd Vocabulary
tar -xf ORBvoc.txt.tar.gz
cd ..

echo "Configuring and building ORB_SLAM3 ..."

mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j5

出现以下图片，则代表安装成功

PART 3：测试环境是否搭建成功（数据集测试）

EuRoc数据集下载地址：
https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets#downloads
要下载ASL格式的，下载V102和V203两个

这个压缩包下好之后，解压打开之后，里面是一个mav0的文件夹（有些打开会还有一个_MACOSX 文件加，可以直接删掉，只留mav0文件夹）
具体原因是这个其实是在MAC操作系统压缩时产生的缓存垃圾，在Windows系统、Linux系统就会显示出来
然后在ORB_SLAM3-master文件夹下创建一个文件夹dataset，
在dataset文件夹下将解压的数据集文件夹放进来
eg. /ORB_SLAM3-master/dataset/V102/mav0
在ORB_SLAM3-master的源码中，有一个Examples文件夹
去下面这个链接拷贝 脚本euroc_examples.sh 到 Examples文件夹
https://github.com/electech6/ORB_SLAM3_detailed_comments

打开**euroc_examples.sh** 这个脚本，里面有ORB-SLAM3各种运行模式针对各个数据集的运行指令，选择下载数据集对应模式下的指令，提取出来（以V102、单目+IMU为例）：

./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml “$pathDatasetEuroc”/V102 ./Examples/Monocular-Inertial/EuRoC_TimeStamps/V102.txt dataset-V102_monoi

加粗的地方需要改
**“$pathDatasetEuroc”**改为 ./dataset，表示数据集所在的路径

在ORB_SLAM3-master文件夹下打开终端执行以下这条指令

./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml ./dataset/V102 ./Examples/Monocular-Inertial/EuRoC_TimeStamps/V102.txt dataset-V102_monoi

出现以下画面则代表 ORB-SLAM3 成功运行，即环境安装完成

PART 4：部分问题解决方案

1、 在安装OpenCV所有依赖库的时候出现报错信息

error: unable to locate libjasper-dev 无法定位这个包libjasper-dev

解决方法是：执行以下指令
sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt update
sudo apt install libjasper1 libjasper-dev

运行完这个，再输入以下这个指令
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg.dev libtiff4.dev libswscale-dev libjasper-dev

2、编译OpenCV时报错

  • 在这里插入图片描述
解决方法是下载离线的ippicv库
下载链接为：https://github.com/opencv/opencv_3rdparty/tree/ippicv/master_20170822

下载好之后，把这个ippicv文件夹单独拷贝出来，放到自己的文件夹中
然后把OpenCV源文件中 /3rdparty/ippicv 文件夹下的 ippicv.cmake 中第47行"https://raw.githubusercontent.com/opencv/opencv_3rdparty/${IPPICV_COMMIT}/ippicv/" 改成新下载的ippicv文件路径。
这样，就改成了离线编译的ippicv文件

3、在配置bash时候报错

如果执行sudo updatedb 指令报错，那么可能是没有安装mlocate
解决方法
先执行安装命令：apt-get install mlocate
再执行：sudo updatedb

4、安装 ORB-SLAM3 时候报错

运行最后一条指令 make -j5 时，出现报错如下：

解决方法
打开对应的文件，如Tracking.cc,LoopClosing.cc等
在所有 #include 后面添加以下代码

namespace cv
{
template<typename _Tp, int m, int n> static inline
Matx<_Tp, m, n> operator / (const Matx<_Tp, m, n> &a, float alpha)
{
return Matx<_Tp, m, n>(a, 1.f / alpha, Matx_ScaleOp());
}
}

效果如图

最后一条指令若使用 make -j4 或 make -j5，即使在对应的文件中加入了上述代码如果仍然会报错。

可改成仅使用 make 进行编译，但同时，改成make之后编译速度大大降低，需要等很久

标签：sudo,dev,SLAM3,文件夹,build,SLAM,ORB
From： https://www.cnblogs.com/zylyehuo/p/17390883.html

相关文章

  • 1-ORB-SLAM3论文重点导读及整体算法流程梳理-归纳
    摘要ORB-SLAM3是第一个能够执行纯视觉、视觉-惯导以及多地图的SLAM系统，可以在单目，双目以及RGB-D相机上使用针孔以及鱼眼模型。本文主要新颖之处在于基于特征的VIO紧耦合系统，该系统完全依赖于最大后验估计，即使在IMU初始化阶段也是如此。本系统在小型和大型、室内和室外环境中实时......
  • 激光SLAM之激光雷达+IMU建图 ， 工程化落地项目，涉及激光雷达+imu 多传感器融合建图，加工
    激光SLAM之激光雷达+IMU建图，工程化落地项目，涉及激光雷达+imu多传感器融合建图，加工程应用角度的代码优化，从数据接收到闭环检测到图优化，非常完整。该商品与本人发布的“激光SLAM之多传感器融合定位”是可以组合使用的。该项目价格会比其他项目高的原因主要是在于这是真正......
  • 激光SLAM之多传感器融合定位 ， 工程化落地项目，涉及激光雷达+imu等多传感器融合定位，不仅
    激光SLAM之多传感器融合定位，工程化落地项目，涉及激光雷达+imu等多传感器融合定位，不仅仅是算法逻辑，里面还增加了工程应用角度的代码优化，配置解析文档也非常完整。该商品与本人发布的“激光SLAM之激光雷达+IMU建图”是可以组合使用的。该项目价格会比其他项目高的原因主要是在......
  • 墨尔本大学提出水下视觉SLAM中的知识蒸馏：提升特征提取性能
    z以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容点击领取学习资料→机器人SLAM学习资料大礼包论文##开源数据集#开源代码#KnowledgeDistillationforFeatureExtractioninUnderwaterVSLAM论文地址：https://arxiv.org/abs/2303.17981作者单位：墨尔本大学数据......
  • 常见问题——关于.net WebApi使用Swagger报错：HTTP Error 403.14 - Forbidden
    问题：.netWebApi项目使用Swagger报错：HTTPError403.14-Forbidden解放方案：换一个端口即可推荐——删除解决方案下的.vs文件夹，重新生成即可参考：https://stackoverflow.com/questions/34970088/swagger-gives-me-http-error-403-14-forbidden/53863456......
  • 【pytorch】土堆pytorch教程学习（三）TensorBoard的使用
    TensorBoard是TensorFlow的可视化工具包，提供机器学习实验所需的可视化功能和工具：跟踪和可视化损失及准确率等指标可视化模型图（操作和层）查看权重、偏差或其他张量随时间变化的直方图将嵌入投射到较低的维度空间显示图片、文字和音频数据剖析TensorFlow程序安装Tenso......
  • 1.ORB-SLAM3论文重点导读及整体算法流程梳理
    摘要ORB-SLAM3是第一个能够执行纯视觉、视觉-惯导以及多地图的SLAM系统，可以在单目，双目以及RGB-D相机上使用针孔以及鱼眼模型。本文主要新颖之处在于基于特征的VIO紧耦合系统，该系统完全依赖于最大后验估计，即使在IMU初始化阶段也是如此。本系统在小型和大型、室内和室外环境中实时稳......
  • API 架构风格演化史：CORBA-XMLRPC(SOAP)-REST-JSONRPC-GraphQL-gRPC
    我们先来看一张 TwitterArchitecture2022CodeFirstv.sAPIFirst软件开发理念的改变下图显示了代码优先开发和API优先开发之间的差异。为什么我们要考虑API优先设计?微服务增加了系统的复杂性。我们有单独的服务来服务系统的不同功能。尽管这种体系结构促进了职责的脱钩和分......
  • 【AtCoder】Forbidden Pattern
    题目链接分析首先考虑哪些串能被删空。下面只考虑长度为偶数的串。考虑这样一个（错误的）算法：从左往右依次加入串中的字符，然后能删则删。这个算法对于结尾为A的串一定能删空。对称地，开头为B的串也一定能被删空。现在只需要考虑开头为A结尾为B的串。如果它能被删空，则一定存......
  • 1.ORB-SLAM3论文重点导读及整体算法流程梳理
    摘要ORB-SLAM3是第一个能够执行纯视觉、视觉-惯导以及多地图的SLAM系统，可以在单目，双目以及RGB-D相机上使用针孔以及鱼眼模型。本文主要新颖之处在于基于特征的VIO紧耦合系统，该系统完全依赖于最大后验估计，即使在IMU初始化阶段也是如此。本系统在小型和大型、室内和室外环境中实时......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99