ORB-SLAM2初体验:配置安装

雨燕双飞 提交于 2020-02-09 13:07:07

转载请注明出处,谢谢
原创作者:MingruiYU
原创链接:https://www.cnblogs.com/MingruiYu/p/12286752.html


ORB-SLAM2作为目前应用最广泛的视觉SLAM系统,其经典和重要程度毋庸置疑。ORB-SLAM2的github文档中,提供了详尽的ORB-SLAM2配置教程,上手应该是比较容易的。本文将跟随其github文档中的配置教程,对ORB-SLAM2系统进行安装和测试。

本文要点包括:

  • ORB-SLAM2的初次配置安装(包括相关依赖)
  • ORB-SLAM2运行TUM fr1/desk视频序列的单目SLAM和RGB-D SLAM示例
  • 解决ORB-SLAM2编译过程中报错:error: usleep is not declared this scope
  • 解决ORB-SLAM2运行示例过程中提示Failed to load module "canberra-gtk-module"

ORB-SLAM2 简介

ORB-SLAM是15年Raul等人提出的一个单目SLAM系统,其在单目SLAM领域影响广泛。详情可见论文:[Monocular] Raúl Mur-Artal, J. M. M. Montiel and Juan D. Tardós. ORB-SLAM: A Versatile and Accurate Monocular SLAM System. IEEE Transactions on Robotics, vol. 31, no. 5, pp. 1147-1163, 2015. (2015 IEEE Transactions on Robotics Best Paper Award). PDF.

在单目ORB-SLAM的基础上,17年Raul等人又提出了ORB-SLAM2,增加了对于双目相机和RGB相机的支持。详情可见论文:[Stereo and RGB-D] Raúl Mur-Artal and Juan D. Tardós. ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras. IEEE Transactions on Robotics, vol. 33, no. 5, pp. 1255-1262, 2017. PDF.

ORB-SLAM2是一个开源系统,其完整源码可见Github:raulmur/ORB_SLAM2.该开源库具备以下特征:

  • 支持单目,双目,RGB相机
  • 实时计算相机位姿和稀疏的三维重建,可进行回环检测和相机重定位
  • 提供运行示例:配置安装好后,可直接在KITTI, TUM, EuRoC数据集中的视频序列下运行
  • 可在ROS中编译,也可以不在ROS中编译:如果只是在数据集上运行,则不需要ROS;如果需要与真实摄像头连接,在真实场景下实时运行,则需要ROS。

安装相关依赖

在了解了ORB-SLAM2的概况后,我们开始对其进行配置安装。raulmur/ORB_SLAM2/README中提供了详尽的介绍和配置教程,建议大家尽可能去看原版,这样不容易因第三方转述而产生误解。本文在其配置教程的基础上,记录了一些自己遇到的其他情况和问题。本文暂没有使用ROS。

官方教程中提到他们测试了在Ubuntu12.04/14.04/16.04下的编译配置,而本文中,我是在Ubuntu18.04下进行编译配置的,经测试应该没有问题。在安装ORB-SLAM2之前,首先要安装相关的依赖。

C++11

使用Ubuntu18.04不需要额外配置。

Pangolin

Pangolin是一个用来可视化的库,ORB-SLAM2用它来进行可视化和人机交互。其下载和安装教程可见:(https://github.com/stevenlovegrove/Pangolin)。跟随该安装教程进行即可。其中,对于Pangolin的依赖项,我只安装了Required Dependencies和Recommended Dependencies。之后安装cmake工程编译的方法进行编译即可。

OpenCV

OpenCV肯定是必不可少的了。其下载和安装教程可见:(https://opencv.org/releases/)。找到需要的OpenCV版本,对于Linux系统,应点击其中Sources,下载一个压缩文件,下载完成后应对其进行解压。其安装教程可见:(https://docs.opencv.org/4.2.0/d7/d9f/tutorial_linux_install.html)。

注:官方文档中提到他们测试了OpenCV 2.4.11和OpenCV 3.2,我使用的是OpenCV3的最新版——OpenCV 3.4.9。

Eigen3

Eigen3作为矩阵运算库,当然也是必不可少的。其下载和安装教程可见:(http://eigen.tuxfamily.org)。在ubuntu中,可以直接使用 sudo apt-get install libeigen3-dev进行安装。

注:关于Eigen3的安装路径,如果出现程序include不到Eigen3的情况,可以参考(https://www.cnblogs.com/newneul/p/8256803.html)对Eigen3的位置进行调整

DBoW2 & g2o(已包含在ORB-SLAM2库的第三方文件夹中)

ORB-SLAM2使用DBoW2库的改进版进行场景识别,使用g2o库来进行非线性优化。这俩都包含在ORB-SLAM2的第三方库中,不需要自己额外安装,它们的编译会和ORB-SLAM2库的编译一起进行。

安装ORB-SLAM2

在上述依赖全部安装完毕后(除了DBoW2 & g2o),可以开始进行ORB-SLAM2的配置安装。

clong该repo:

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

使用build.sh脚本安装ORB-SLAM2和第三方库:

cd ORB_SLAM2
chmod +x build.sh
./build.sh

注:在我编译ORB-SLAM2时,报错:error: usleep is not declared this scope。google后发现,在raulmur/ORB_SLAM2的Issues中,有很多人都遇到了这个问题(Issues/337)。其解决方法很简单,参照Acerlon的回答,只需在/include/System.h文件中添加头文件#include <unistd.h>即可。虽然不知道为什么源码中没有include该头文件……

运行示例

ORB-SLAM2提供了KITTI/TUM/EuRoC数据集下的运行示例。官方文档Monocular Examples Stereo Examples RGB-D Example提供了详细的在不同数据集上运行的教程。注意不同的相机类型对应着不同的数据集,也对应着不同的运行方法。

下面就举两个我运行了的示例,以TUM数据集中的fr1/desk视频序列为例。该数据集下载链接为(https://vision.in.tum.de/data/datasets/rgbd-dataset/download),找到其中fr1/desk序列,点击tgz下载压缩文件,之后进行解压。

单目示例

根据教程中所述,运行单目TUM示例的命令为./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUMX.yaml PATH_TO_SEQUENCE_FOLDER。对应不同的具体视频序列需要对该命令进行调整:

  • 调整TUMX.yaml:如果视频序列是freiburg1(fr1)目录下的,则改为TUM1.yaml;如果视频序列是freiburg2(fr2)目录下的,则改为TUM2.yaml;如果视频序列是freiburg3(fr3)目录下的,则改为TUM3.yaml;
  • 调整PATH_TO_SEQUENCE_FOLDER:将其改为刚才解压后视频序列文件夹的路径。

所以,在我的机器上,TUM数据集fr1/desk序列对应的单目SLAM运行命令就是:

/Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM1.yaml ../rgbd_dataset_freiburg1_desk

注:在我第一次运行的过程中,会有提示:Failed to load module "canberra-gtk-module",虽然感觉不影响运行,但还是解决了它为好。
解决方法:

sudo apt-get install libcanberra-gtk-module

运行效果如下:

RGB-D示例

根据教程中所述,运行单目TUM示例的命令为./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUMX.yaml PATH_TO_SEQUENCE_FOLDER ASSOCIATIONS_FILE。对应不同的具体视频序列需要对该命令进行调整:

  • 调整TUMX.yaml:如果视频序列是freiburg1(fr1)目录下的,则改为TUM1.yaml;如果视频序列是freiburg2(fr2)目录下的,则改为TUM2.yaml;如果视频序列是freiburg3(fr3)目录下的,则改为TUM3.yaml;
  • 调整PATH_TO_SEQUENCE_FOLDER:将其改为刚才解压后视频序列文件夹的路径。
  • 调整PATH_TO_SEQUENCE_FOLDER ASSOCIATIONS_FILE:将其改为该序列associations文件的路径。associations文件是用来将RGB图像和Depth图像一一对应起来的文件。ORB-SLAM2库Examples/RGB-D/associations/中提供了几个视频序列的associations文件,其中包含fr1/desk序列。所以此处就不需要自己生成了。

所以,在我的机器上,TUM数据集fr1/desk序列对应的RGB-D SLAM运行命令就是:

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM1.yaml ../rgbd_dataset_freiburg1_desk ./Examples/RGB-D/associations/fr1_desk.txt

运行效果如下:

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!