在Ubantu22.04中运行ORB_SLAM3

在Ubantu22.04中运行ORB_SLAM3

一、概述

ORB-SLAM3是一个支持视觉、视觉加惯导、混合地图的SLAM系统，可以在单目，双目和RGB-D相机上利用针孔或者鱼眼模型运行。从第一版的单目相机系统，到第二版加入了对stereo以及RGBD camera的支持，再到目前最新版本的orb-slam整合了visual，以及visual-inertial的融合方案，使得整个算法系统可以非常快速地应用于不同的硬件平台上。从这样的进化史来看，他们组的研究者们非常致力于将orb-slam打造成一个通用性很高的系统。这样的观点在论文原文中其实也得到了证实，而orb-slam最优秀，贡献最大的地方就在于这是一个完备，且精度很高的系统。

二、环境配置

1. 安装cv_bridge库：

1） sudo apt-get install libopencv-dev

之前已经安装过，所以此处并不需要继续安装。

1. sudo apt-get install ros-noekit-cv-bridge

之前已经安装过，所以此处并不需要继续安装。

2.安装openCV

1）安装依赖项目：

sudo apt-get install build-essential libgtk2.0-dev libgtk-3-dev libavcodec-dev libavformat-dev libjpeg-dev libswscale-dev libtiff5-dev

sudo apt install python3-dev python3-numpy

sudo apt install libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev

sudo apt install libpng-dev libopenexr-dev libtiff-dev libwebp-dev

2）下载openCV源文件：

官网下载source文件：

https://opencv.org/releases/

安装engen库

sudo apt-get install libeigen3-dev

1. 安装Pangolin库
   git clone https://github.com/stevenlovegrove/Pangolin.git

安装依赖：

sudo apt-get install libglew-dev libboost-dev libboost-thread-dev libboost-filesystem-dev

sudo apt-get install ffmpeg libavcodec-dev libavutil-dev libavformat-dev libswscale-dev libpng-dev

创建build：

执行：cmake -DCPP11_NO_BOOST=1 ..

之后执行：make

再执行：sudo make install

安装boost库

进入官网：http://www.boost.org/users/download/

下载后，解压：tar -xvf boost_1_77_0.tar.gz

依次执行： cd ./boost_1_77_0

./bootstrap.sh

sudo ./b2 install

下载ORB-SLAM3

执行：git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git

修改ORB-SLAM3/CMakelist.txt文件中第20行：

第41行：

修改ORB_SLAM3/Examples_old/ROS/ORB_SLAM3/CMakeLists.txt文件中:

修改ORB_SLAM3/Thirdparty/DBoW2 /CMakeLists.txt文件中：

修改ORB_SLAM3/Thirdparty/g2o/CMakeLists.txt文件中：

安装python

sudo apt install libpython2.7-dev

编译ORB-SLAM3

依次执行： cd ORB_SLAM3

chmod +x build.sh

./build.sh

三、ORB-SLAM3运行

1. 创建工作空间：

mkdir -p ~/catkin_ws/src

cd ~/catkin_ws/src

catkin_init_workspace

cd ~/catkin_ws/

catkin_make

source ~/catkin_ws/devel/setup.bash

2.先启动roscore，然后运行驱动节点usb_cam_node

roscore

rosrun usb_cam usb_cam_node

摄像头启动后启用rqt工具查看图像

rqt_image_view

接收话题名称更改

在运行程序之前，需要将ORB_SLAM3/Examples_Old/ROS/ORB_SLAM3/src/ros_mono.cc和ORB_SLAM3/Examples_Old/ROS/ORB_SLAM3/src/AR/ros_mono_ar.cc的接收话题名称更改

4.执行单目实时usb_cam效果

rosrun ORB_SLAM3 Mono Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml

四、结论

目前能够编译运行诸如此类的特征法SLAM开源项目了，虽然初学经历了各种尝试，但是熟悉了Linux系统和ROS系统的操作、cmake、shell、OpenCV等等，为了能够自己进行开发，还需要更深入的学习。

从开源项目入手，学习其理论和工程实现，是入门的捷径，只有看懂的代码才改的动代码，深入之后在其基础上做一定的改进。

工程实现只是科研的一部分，作为研究生，更重要的是抓住SLAM中的一个小问题，看看能否对现有的算法进行改进或者比较。所以还是要从论文出发，寻找灵感，去实现，并验证效果。