orb-slam2

1 具备的条件： （1）ubuntu 14.04 （2）ROS indigo（可选） 2 安装依赖 （1）Pangolin：https://github.com/stevenlovegrove/Pangolin 安装依赖： sudo apt-get install libglew-dev sudo apt-get install cmake sudo apt-get install libboost-dev libboost-thread-dev libboost-filesystem-dev sudo apt-get install libpython2.7-dev 安装Pangolin: git clone https://github.com/stevenlovegrove/Pangolin.git cd Pangolin mkdir build cd build cmake -DCPP11_NO_BOOSR=1 .. make -j （2）OpenCV：http://opencv.org/（我使用的是OpenCV 2.4.10） 安装步骤：参考：http://blog.csdn.net/csqingchen/article/details/43968925 （3）Eigen3：http://eigen.tuxfamily.org/ 直接在终端：sudo apt-get

一、Linux的熟悉 1.如何在 Ubuntu 中安装软件（命令⾏界⾯）？它们通常被安装在什么地⽅？ 1）apt-get 方式的安装； 普通安装：sudo apt-get install XXX 修复安装：sudo apt-get -f install XXX 重新安装：sudo apt-get -f reinstall XXX 2）dpkg方式的安装 sudo dpkg -i package_name.deb 安装的地方 通常被安装在/usr/bin这个目录下（默认的安装路径(《鸟哥》P789) 2. linux 的环境变量是什么？我如何定义新的环境变量？ 环境变量：环境变量是在操作系统中一个具有特定名字的对象，它包含了一个或多个应用程序将使用到的信息； 对所有用户生效的永久性变量（系统级）: 这类变量对系统内的所有用户都生效，所有用户都可以使用这类变量。作用范围是整个系统。 设置方式： 用vim在/etc/profile文件中添加我们想要的环境变量,用export指令添加环境变量 当然，这个文件只有在root（超级用户）下才能修改。我们可以在etc目录下使用ls -l查看这个文件的用户及权限 【注意】：添加完成后新的环境变量不会立即生效，除非你调用source /etc/profile 该文件才会生效。否则只能在下次重进此用户时才能生效。 对单一用户生效的永久性变量（用户级）:

Ubuntu虚拟机下安装运行ORB-SLAM2 由于电脑的两个硬盘都存着数据，没法腾出来一个安装双系统，所以无奈只能在虚拟机上跑SLAM。这两天边看高博的《SLAM十四讲》，边熟悉Ubuntu，遇到了许多问题，但也磕磕绊绊配置运行上了ORB-SLAM2。在此记录下配置过程和出现的一些错误，仅供参考。 1.基本工具 在配置过程中需要cmake、gcc、g++和git工具，这是最基本的工具了，不安装后面要报错的。可以直接在桌面右击打开终端进行安装。git的安装需要一些额外的配置，比如生成SSH密钥，填写你的github账号等，网上有许多这里不再一一赘述。 sudo apt - get install cmake sudo apt - get install git sudo apt - get install gcc g ++ 2.安装Pangolin Pangolin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。也就是说Pangolin是一个可视化用户界面。 首先要安装一些Pangolin所需要的依赖库： sudo apt - get install libglew - dev sudo apt - get install libboost - dev

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

开源SLAM方案评价与比较：ORB-SLAM2,VIORB,VINS-MONO 一、简介 二、EVO安装及测试 三、运行数据集 四、APE,RPE计算并绘图 五、evo_res 进行结果比较 一、简介 网上开源框架较多，本篇博客选择为人熟知的三个框架，orb-slam2,viorb(清华大学王京版本)，vins-mono。在自己的笔记本上运行Euroc数据集，并采用evo和matlab来评价他们的性能。 orb-slam2网址： https://github.com/raulmur/ORB_SLAM2 viorb网址： https://github.com/jingpang/LearnVIORB vins-mono网址： https://github.com/HKUST-Aerial-Robotics/VINS-Mono Euroc数据集网址： https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets evo网址： https://github.com/MichaelGrupp/evo 注： 数据集选择 MH_01_easy ,MH_03_medium,MH_05_difficult 运行环境为ubuntu16.04 ros Kinetic 处理器为Intel®Core™ i5

单目相机具有成本低，设置简单的优点，但是同样存在尺度不确定、初始化需要足够视差，最终造成尺度漂移、无法处理纯旋转等问题。 ORB-SLAM2为SLAM的发展作出了以下几个贡献： 1.这是第一个同时提供单目，双目和RGB-D接口的SLAM开源系统，并且包含回环检测，重定位和地图重用。 2.通过BA对RBG-D进行优化，效果优于state-of-the-art的ICP或photometric and depth error minimization 3.通过使用近距离和远距离的双目点以及单目观测，使得其双目的精确度要高于state-of-the-art的直接使用双目的SLAM系统 4.通过禁用建图来实现利用已有地图，进行轻量级的定位。 ORB-SLAM2的框架和ORB-SLAM的框架几乎是一模一样的，包含了三个线程：Tracking，Local Mapping和Loop Closing。主要的区别还是在对于双目相机和RBG-D相机前端，是如何进行追踪并构建后端优化问题的。因此与ORB-SLAM相同的部分就不再赘述，详细可参考上一篇关于ORB-SLAM论文的博客。 A.Monocular, Close Stereo and Far Stereo Keypoints ORB-SLAM2是基于特征的SLAM系统，因此当从输入的图像中提取特征之后，图像不需要被保存而是直接丢弃，因此可以说ORB

ORB-SLAM2:一种开源的VSLAM方案 泡泡机器人 泡泡机器人SLAM 2017-07-03 泡泡机器人翻译作品 原文：ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras 作者： Raúl Mur-Artal and Juan D. Tardós 翻译：韩昊旻 审核：郑卓祺 编辑：徐武民 周平 欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权 摘要 ORB-SLAM2是基于单目，双目和RGB-D相机的一套完整的SLAM方案。它能够实现地图重用，回环检测和重新定位的功能。无论是在室内的小型手持设备，还是到工厂环境的无人机和城市里驾驶的汽车，ORB-SLAM2都能够在标准的CPU上进行实时工作。ORB-SLAM2在后端上采用的是基于单目和双目的光束法平差优化（BA）的方式，这个方法允许米制比例尺的轨迹精确度评估。此外，ORB-SLAM2包含一个轻量级的定位模式，该模式能够在允许零点漂移的条件下，利用视觉里程计来追踪未建图的区域并且匹配特征点。 我们用29个广泛使用的公共数据测试的结果显示，在大多数情况下，本文方案比此前方案精度更高，此外，我们开源了ORB-SLAM2源代码，不仅仅是为了整个SLAM领域，同时也希望能够为其他领域研究者提供一套SLAM的解决方案。 I

GPS 可以为无人机提供较为准确的位置信息，但是某些时候可能会没有 GPS 信号，或者 GPS 信号不够稳定；比如说桥下，室内以及高楼林立的城市内。那么为了能够允许无人机在这些环境中飞行，我们需要提供其它位置估计手段，比如说SLAM。SLAM使用摄像头作为其主要传感器，传感器可以是单目摄像头，双目摄像头以及RGBD深度摄像头。这几种摄像头有着其对应的优缺点；比如说单目摄像头虽然价格低，体积小，但是它需要其它传感器的辅助，否则无法计算环境深度，也就没有办法为SLAM提供尺度信息；双目摄像头可以通过三角测量提供景深，但是计算量较大，并且需要良好标定；RGBD深度相机可以主动测距，但是对于环境较为敏感，测量距离受限，噪声较大，同时对于阳光以及玻璃等环境下无法正常工作。 usb_cam-test.launch中添加一句话，将话题由usb_cam/image_raw改为camera/image_raw ROS_NAMESPACE=/camera/right rosrun image_proc image_proc image_raw:=image_raw 问题描述：安装ORB_SLAM2时编译“./build_ros.sh”时出现上述报错。 libboost_system.so: error adding symbols: DSO missing from command line 解决办法

1.安装ORB-SLAM2 参照ORB-SLAM2的Installation部分 1.1 下载 git clone https://github.com/raulmur/ORB_SLAM.git (可以直接放在home下，然后解压) 1.2 修改.bashrc，加入export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:PATH_TO_PARENT_OF_ORB_SLAM （红色字体是需要修改的内容，改为ROS文件夹下的ORB-SLAM2路径） gedit .bashrc export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:/home/zfy/ORB-SLAM2/Examples/ROS (根据需要，红色字体改为对应的路径) 1.3 cd到Examples/ROS/ORB_SLAM2，然后执行: mkdir build cd build cmake .. -DROS_BUILD_TYPE=Release make -j 编译得到RGBD节点。（ps：新版本的ORB_SLAM2增加了build_ros.sh，里面的内容就是上面4行命令） 1.4 cd到/home/zfy/ORB-SLAM2，执行： chmod +x build.sh ./build.sh 编译完成ORB-SLAM2。 （build