g2o

文章目录 0 参考链接 1 基本流程梳理 2 代码文件 3 代码使用举例 0 参考链接 [ 从零开始一起学习SLAM | 理解图优化，一步步带你看懂g2o代码 ] [ 深入理解图优化与g2o：g2o篇 ] 本文参考上面两个链接，想要了解详细内容，参考上面两个 1 基本流程梳理 图的核心 SparseOptimizer 是整个图的核心， is-a 是实心箭头，表示这个SparseOptimizer它是一个Optimizable Graph，从而也是一个超图（HyperGraph） 定点和边 has-many 表示这个超图（HyperGraph）包含了许多顶点（HyperGraph::Vertex）和边（HyperGraph::Edge）。而这些顶点继承自 Base Vertex，也就是OptimizableGraph::Vertex，而边可以继承自 BaseUnaryEdge（单边）, BaseBinaryEdge（双边）或BaseMultiEdge（多边），它们都叫做OptimizableGraph::Edge is-a :相当于一个等号 has-a :表示包含一个，这个包含的的属于必备的组件 has-many :和has-a差不多，至少要有一个 配置SparseOptimizer的优化算法和求解器 核心SparseOptimizer 包含一个优化算法

##安装g2o https://github.com/RainerKuemmerle/g2o/ 1.依赖项: sudo apt-get install cmake libeigen3-dev libsuitesparse-dev qtdeclarative5-dev qt5-qmake libqglviewer-dev 2.下载g2o并安装 git clone https://github.com/RainerKuemmerle/g2o/ cd g2o mkdir build cd build cmake ../ make sudo make install link .https://blog.csdn.net/heyijia0327/article/details/47813405 下载这个g2o测试demo，并根据https://github.com/RainerKuemmerle/g2o/blob/master/g2o/examples/simple_optimize/simple_optimize.cpp 作以相应的更新。 运行g2o_test报错： /home/zhkai/code/g2o_test/bin/g2o_test: error while loading shared libraries: libg2o_core.so: cannot open shared

在学习slam十四讲的时候，成功安装编译了g2o，但是在运行g2o_curve_fitting代码时出现错误，提示如下： 在这里插入图片描述 方法一： 这时需要在cmakelist文件中添加几行代码，添加代码如下： list(APPEND CMAKE_MODULE_PATH /XXX/g2o/cmake_modules) set(G2O_ROOT /XXX/g2o) find_package( G2O REQUIRED ) include_directories( ${G2O_INCLUDE_DIRS} "/usr/include/eigen3" ) /XXX/g2o 是你的g2o安装目录，如果不知道自己的安装录取，可以在lunix主文件夹中搜索g2o，找到后，右键属性，即可看到父文件夹，那就是安装目录了。 在这里插入图片描述 改完之后内容为 list(APPEND CMAKE_MODULE_PATH /home/linzhiwei/g2o/cmake_modules) set(G2O_ROOT /home/linzhiwei/g2o) find_package(G2O REQUIRED) include_directories(${G2O_INCLUDE_DIRS} "/usr/include/eigen3" ) 方法二： 检查一下你的${PROJECT_SOURCE_DIR

关于#include<Eigen/Core>的报错。 g2o和ceres中有很多头文件包含以下类似内容： #include<Eigen/Core> 然而，安装Eigen的时候，其保存的位置是/usr/local/include/eigen3, 所以，在调用g2o和ceres的头文件时会出现由于找不到Eigen/Core之类引起的报错。 解决方法： sudo cp -r /usr/local/include/eigen3/Eigen /usr/local/include 将其复制到这个位置，g2o和ceres就可以找到了。 来源： CSDN 作者： 脚踏实地，学无止境 链接： https://blog.csdn.net/qq_41904635/article/details/104275373

１：删除g2o的头文件，位于/usr/local/include/g2o下 sudo rm -r /usr/local/include/g2o ２：删除g2o的库文件，位于/usr/local/lib下 sudo rm -r /usr/local/lib/libg2o* 3：删除g2o的可执行文件，位于/usr/local/bin下 sudo rm -r /usr/local/bin/g2o* 来源： https://www.cnblogs.com/long5683/p/12283517.html

Turtlebot2 rgbdslam_v2环境配置 创建一个工作空间，编译一遍 下载rgbdslam_v2代码包 安装g2o的依赖 创建eigen工作空间 创建g2o工作空间 配置g2o代码包中的CMakeLists.txt文件 编译g2o工作空间 下载PCL1.8(点云库：Point Cloud Library) 配置PCL,使其支持C++2011 编译PCL 配置rgbdslam_v2 编译rgbdslam_v2 环境测试 查看地图 有关博客参考： 创建一个工作空间，编译一遍 $ mkdir -p ~/catkin_ws/src $ cd ~/catkin_ws $ catkin_make 下载rgbdslam_v2代码包 $ cd ~/catkin_ws/src $ wget -q http://github.com/felixendres/rgbdslam_v2/archive/kinetic.zip $ unzip kinetic.zip (把解压出来的文件名更改为rgbdslam_v2) $ sudo cp -a ~/catkin_ws/src/rgbdslam_v2 /opt/ros/kinetic/share 安装g2o的依赖 $ sudo apt-get install libsuitesparse-dev 创建eigen工作空间 $ mkdir ~/src $

最近在看非线性优化、图优化的内容，所以就找来十四讲中的例子看了看，试着运行一下。 关于g2o还是有一些问题的。 1 g2o的安装 这个就不用多说了，第一版和第二版都有详细说明和地址。 安装依赖项 sudo apt-get install cmake libeigen3-dev libsuitesparse-dev libqt4-dev qt4-qmake libqglviewer-dev 编译和安装g2o 3rdparty文件夹下的g2o解压到自己的文件夹。 mkdir build cd build cmake .. make sudo make install 这样g2o库安装完成。 2 demo的测试和运行 在十四将的第六章中代码测试运行文件夹下的g2o-curve_fitting，里面有一个cmakelists文件和main.cpp文件。在文件中输入 cmake . make demo运行完毕 3 可能遇到的问题和报错 1 如果在cmake . 时没有找到g2o 的相关库，那你一定是在安装g2o的时候忘记运行sudo make install了 2 如果在make 的时候报错error while loading shared libraries: libg2o_core.so: cannot open shared object file: No such file

RGBD-SLAM_v2超详细安装与运行 主要参考链接 注意 1.建立工作空间 2.下载RGBD-SLAM 3.卸载g2o 4.安装g2o依赖项 5.下载并提取eigen 3.2.10头文件 6.下载g2o 7.配置g2o头文件 8.编译g2o 9.下载PCL 10.用C++ 2011支持配置PCL编译 11.编译并安装PCL 12.配置RGBD-SLAM 13.构建siftgpu库（与rgbdslam绑定） 14.建构rgbdslam 15.完成构建rgbdslam包并将启动文件复制 16.添加rgbdslam_ws工作空间到.bashrc文件下 17.测试数据集 主要参考链接 RGBD-SLAM_v2 github地址 环境配置英文教程（很详细） CSDN其他教程 注意 需要环境ubuntu16.04 ROS Kinetic ROS Kinetic安装教程 安装的ros版本若是“full”，则是自带opencv，无需自己重新安装，但是在系统中找不到这个opencv 建议在安装之前下载好数据集，PCL1.8，这两个下载非常慢 PCL下载地址 RGBDSLAM数据集下载（bag版本） 1.建立工作空间 这种操作类似于深度学习经常会做的建立虚拟环境，使得多个环境之间不互相影响 mkdir -p ~/catkin_ws/src cd ~/catkin_ws catkin_make