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

 





$sudo apt-get install gcc g++  

 2.安装Pangolin

    ORB_SLAM2使用 Pangolin 构建可视化用户界面. 参见https://github.com/stevenlovegrove/Pangolin.     

[javascript] view
plain copy

 





$ sudo apt-get install libglew-dev   #安装Glew  

$ sudo apt-get install cmake         #安装CMake  

    #安装Boost  

$ sudo apt-get install libboost-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 https://github.com/stevenlovegrove/Pangolin.git  

$ cd Pangolin  

$ mkdir build  

$ cd build  

$ cmake -DCPP11_NO_BOOST=1 ..  

$ make  

$ sudo make install  

3. 安装OpenCV 2.4.11   

   ORB_SLAM2使用OpenCV处理图像以及特征. 参见: http://opencv.org/downloads.htm. 至少需要 2.4.3 的版本. 本测试用 OpenCV 2.4.11.

[javascript] view
plain copy

 





$ sudo apt-get install build-essential libgtk2.0-dev libjpeg-dev libtiff4-dev libjasper-dev libopenexr-dev cmake python-dev python-numpy python-tk libtbb-dev libeigen2-dev yasm libfaac-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev libx264-dev libqt4-dev libqt4-opengl-dev sphinx-common texlive-latex-extra libv4l-dev libdc1394-22-dev libavcodec-dev libavformat-dev libswscale-dev  

$ unzip  opencv-2.4.11.zip    

$ cd opencv-2.4.11;mkdir build;cd build;   

$ cmake -D 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_PYTHON_EXAMPLES=ON -DBUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON -DCUDA_GENERATION=Kepler ..      

$ make  

$ sudo make install   

[javascript] view
plain copy

 





#在其中写入: /usr/local/lib  

sudo gedit /etc/ld.so.conf.d/opencv.conf   

 

#在文件末尾写入:    

#PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig   

#exportPKG_CONFIG_PATH  

udo ldconfig sudo gedit/etc/bash.bashrc  

 

#source此脚本  

ource /etc/bash.bashrc  

4.安装Eigen3.1.0

   g2o需要Eigen，下载和安装Eigen3的方法可以看这儿: http://eigen.tuxfamily.org. 需要3.1.0及以上。

[javascript] view
plain copy

 





$ sudo apt-get install libeigen3-dev  

5.BLAS and LAPACK

   g2o需要BLAS和LAPACK

[javascript] view
plain copy

 





$ sudo apt-get install libblas-dev  

$ sudo apt-get install liblapack-dev  

6. 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

 





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

$ cd ORB_SLAM2  

$ chmod +x build.sh  

$ ./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http://vision.in.tum.de/data/datasets/rgbd-dataset/download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 < freiburg2序列> or TUM3.yaml < freiburg3序列> ）

[javascript] view
plain copy

 





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

#for example  

$ ./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt ./Examples/Monocular/TUM1.yaml ../tum_data/rgbd_dataset_freiburg1_desk2/  

     2） KITTI 数据集

      从 http://www.cvlibs.net/datasets/kitti/eval_odometry.php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：

[javascript] view
plain copy

 





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

8.2 Stereo 实例

      1）KITTI 数据集

      从 http://www.cvlibs.net/datasets/kitti/eval_odometry.php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：

[javascript] view
plain copy

 





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

8.3 RGB-D 实例

      1）TUM 数据集

       从http://vision.in.tum.de/data/datasets/rgbd-dataset/download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

 





$ python associate.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

 





$./Examples/RGB-D/rgbd_tum 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.txt   

8.4 ROS实例    

      

8.4.1 安装ROS   

9. SLAM和Localization 模式

    你可在GUI中切换至SLAM模式或Localization模式。

9.1 SLAM 模式

    这是默认模式. 此模式下，系统有三个线程并行运行: Tracking, Local Mapping and Loop Closing。 系统不停地定位相机，构建新的地图，并且试图闭合环形路径。

9.2 Localization 模式

    当你有一个好的工作区域地图时，你可以使用此模式。在这种模式下，局部地图构建以及环路闭合检测将不工作。 系统在你提供的地图上定位相机 (此地图不再更新), 在必要时使用重定位（relocalization）。