博文末尾支持二维码赞赏哦 _

一 ORB-SLAM2 安装

ORBSLAM2在Ubuntu14.04上详细配置流程

参考安装

1 安装必要工具

首先，有两个工具是需要提前安装的。即cmake和git。

sudo apt-get install cmake

sudo apt-get install git

2 安装Pangolin，用于可视化和用户接口 Pangolin： https://github.com/stevenlovegrove/Pangolin 官方样例demo https://github.com/stevenlovegrove/Pangolin/tree/master/examples 安装文件夹内 Pangolin函数的使用： http://docs.ros.org/fuerte/api/pangolin_wrapper/html/namespacepangolin.html 是一款开源的OPENGL显示库，可以用来视频显示、而且开发容易。 是对OpenGL进行封装的轻量级的OpenGL输入/输出和视频显示的库。 可以用于3D视觉和3D导航的视觉图，可以输入各种类型的视频、并且可以保留视频和输入数据用于debug。 安装依赖项： http://www.cnblogs.com/liufuqiang/p/5618335.html  Pangolin安装问题 Glew：    sudo apt-get install libglew-dev CMake： sudo apt-get install cmake Boost： sudo apt-get install libboost-dev libboost-thread-dev libboost-filesystem-dev Python2 / Python3： sudo apt-get install libpython2.7-dev sudo apt-get install build-essential 先转到一个要存储Pangolin的路径下，例如~/Documents，然后 git clone https://github.com/stevenlovegrove/Pangolin.git cd Pangolin mkdir build cd build cmake .. make -j sudo make install3 安装OpenCV  

最低的OpenCV版本为2.4.3，建议采用OpenCV 3.2.0以上。从OpenCV官网下载OpenCV3.2.00。

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，然后cd到OpenCV的目录下。 cd ~/Downloads/opencv-3.2.0 mkdir release cd release cmake -D CMAKE_BUILD_TYPE=RELEASE -DCMAKE_INSTALL_PREFIX=/usr/local .. make sudo make install  

4 安装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。 mkdir build cd build cmake ..

make

5 安装ORBSLAM2 先转到自己打算存储ORBSLAM2工程的路径，然后执行下列命令 git clone https://github.com/raulmur/ORB_SLAM2.git oRB_SLAM2 cd ORB_SLAM2 修改编译 线程数(不然编译时可能会卡住)： vim build.sh 最后 make -j 改成  make -j4 加执行权限

sudo chmod 777 build.sh

安装

./build.sh 之后会在lib文件夹下生成libORB_SLAM2.so， 并且在Examples文件夹下生成 mono_tum，mono_kitti， mono_euroc  in Examples/Monocular 单目相机， rgbd_tum   in Examples/Monocular  RGB-D相机，

stereo_kitti 和 stereo_euroc  in Examples/Stereo 双目立体相机。

6 数据集 KITTI dataset 对于 单目 stereo 或者 双目 monocular http://www.cvlibs.net/datasets/kitti/eval_odometry.php EuRoC dataset 对于 单目 stereo 或者 双目 monocular http://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets TUM dataset 对于 RGB-D 或者 单目monocular https://vision.in.tum.de/data/datasets/rgbd-dataset

7论文参考 ORB-SLAM: [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). http://webdiis.unizar.es/%7Eraulmur/MurMontielTardosTRO15.pdf ORB-SLAM2: [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. https://128.84.21.199/pdf/1610.06475.pdf 词袋模型: [DBoW2 Place Recognizer] Dorian Gálvez-López and Juan D. Tardós. Bags of Binary Words for Fast Place Recognition in Image Sequences. IEEE Transactions on Robotics, vol. 28, no. 5, pp. 1188-1197, 2012. http://doriangalvez.com/papers/GalvezTRO12.pdf8单目测试 在http://vision.in.tum.de/data/datasets/rgbd-dataset/download下载一个序列，并解压。 转到ORBSLAM2文件夹下，执行下面的命令。 根据下载的视频序列freiburg1， freiburg2 和 freiburg3将TUMX.yaml分别转换为对应的 TUM1.yaml 或 TUM2.yaml 或 TUM3.yaml （相机参数文件）。 将PATH_TO_SEQUENCE_FOLDER 更改为解压的视频序列文件夹。 ./Examples/Monocular/mono_tum 词典路径 参数文件 数据集

例如我下载的 rgbd_dataset_freiburg1_xyz

运行示例：

./Examples/Monocular/mono_tum Vocabulary/ORBvoc.bin Examples/Monocular/TUM1.yaml /home/ewenwan/ewenwan/learn/vSLAM/date/rgbd_dataset_freiburg1_xyz9双目测试

在 http://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets

下载一个序列 Vicon Room 1 02  大小1.2GB

./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

双目参数文件详解

a. Camera.bf中的b指基线baseline（单位：米）， f是焦距fx（x轴和y轴差距不大），bf=b*f， 和ThDepth一起决定了深度点的范围： bf * ThDepth / fx 即大致为b * ThDepth。 基线在双目视觉中出现的比较多， 如ORB-SLAM中的双目示例中的EuRoC.yaml中的bf为47.9，ThDepth为35，fx为435.2， 则有效深度为bf * ThDepth / fx = 47.9*35/435.3=3.85米； KITTI.yaml中的bf为387.57，ThDepth为40，fx为721.54， 则有效深度为387.57*40/721.54=21.5米。 这里的xtion的IR基线（其实也可以不这么叫）bf为40， ThDepth为50，fx为558.34，则有效深度为3.58米（官方为3.5米）。 b. RGBD中  DepthMapFactor: 1000.0这个很好理解， depth深度图的值为真实3d点深度*1000. 例如depth值为2683，则真是世界尺度的这点的深度为2.683米。  这个值是可以人为转换的（如opencv中的convert函数，可以设置缩放因子）， 如TUM中的深度图的DepthMapFactor为5000， 就代表深度图中的5000个单位为1米。10 词带  关键字数据库  用于加快 重定位 回环检测  orb词带txt载入太慢，看到有人转换为binary，速度超快，试了下，确实快. 链接：https://github.com/raulmur/ORB_SLAM2/pull/21/commits/4122702ced85b20bd458d0e74624b9610c19f8cc      Vocabulary/ORBvoc.txt >>> Vocabulary/ORBvoc.bin