ORB SLAM2 從編譯到除錯

已經安裝好opencv2.7版本以上的ubuntu系統（之前寫過類似的文章）

安裝pangolin 作為視覺化和使用者介面

sudo apt-get install libglew-dev git clone (在pangolin目錄下)mkdir build cd build cmake ..

make -j4

（以下跟隨slam14講練習的可以跳過）安裝eigen3

git clone mkdir build cd build cmake .. sudo make install

sudo cp -r /usr/local/include/eigen3 /usr/include

安裝第三方庫的依賴環境（指dbow2和g2o，orb-slam2裡面包含了這兩個，因此只需要安裝依賴環境就好）：

sudo apt-get install libboost-dev

sudo apt-get install libeigen3-dev libsuitesparse-dev qtdeclarative5-dev qt5-qmake libqglviewer-dev

git clone

之所以把安裝orb-slam這部分單獨提出來，是因為我在這個地方遇到了一點小問題，正常的安裝其實很簡單，我在台式電腦就是這樣做的：

chmod +x build.sh

sh build.sh

c++: internal compiler error: 已殺死 (program cc1plus)please submit a full …………

這種情況的原因在於記憶體不夠了，我當時選擇的是2gb的記憶體和1g的交換空間，我本來覺得夠了，但是很遺憾，它實際上是不夠的。所以我用sublime或者文字編輯器開啟build.s**件。將命令分開操作，這次g2o這部分順利的過去了，但是又卡在了orb-slam的編譯上。

無奈之下，我擴大了記憶體，當時40g的情況下記憶體最大是3g，還是不行，我有點懵，後來想了一下，擴大一下交換空間行不？

交換空間的擴大詳見文章：

所以我現在是3g記憶體+3g交換；這次……因為交換空間的速度明顯慢於記憶體，所以我一點點看著它從0.6%用了一兩分鐘爬到100%，所以還是不行。

我本來想繼續擴大記憶體或者交換的，但是突然想起了之前我對g2o那裡的做法，乙個處理不了可以把它分開進行處理嗎！當時預設的命令(build.sh裡面)的是 make -j，一開始我以為是只用乙個核心進行處理的意思，後來看了下記憶體和cpu，感覺不太對，四個cpu都在100%。我上網查了一下，並沒有查到，所以我用了 make -j2，這個倒是很明確，用兩個處理器進行操作，兩個一批進行編譯，結果這次居然順利的通過了。

因為非專業，這個原理還真是不太懂，如果大家知道麻煩告訴我一聲。

一般測試orb-salm都是單目和rgb-d比較多一點，雙目的話，因為kitti還是比較難下，太大了。所以優先單目和rgbd吧。

首先是資料集，tum和kitti兩個暫時就夠用了：

tum：這個主要是室內，單目和rgb-d

kitti：這個主要是室外，雙目

然後是分別測試：

單目在orb-slam下新建資料夾data，要測試的資料解壓在這裡就好。

tum資料集分為相機fr1，fr2，fr3，對應tum1-3.yaml；

一般第一次測試用fr1/xyz這個資料集，這個就是x，y，z方向來回動，很簡單，用來檢測一下系統出沒出什麼問題。

其他的資料看名字就知道，比如desk就是在桌子附近來迴轉，room就是在房間裡面掃來掃去。

值得注意的是，執行其他資料集的時候，單目不一定能追蹤成功，在台式電腦上能成功的在虛擬機器上也不一定能成功，這就需要我們進行一些調整，比如調整初始化需求數量啊什麼的，這個關係到對slam系統的理解，就不在多嘴了。

，以room為例，執行命令是：

./examples/monocular/mono_tum  vocabulary/orbvoc.txt examples/monocular/tum1.yaml   data/rgbd_dataset_freiburg1_room

python2 data/associate.py data/rgbd_dataset_freiburg1_room/rgb.txt data/rgbd_dataset_freiburg1_room/depth.txt >data/rgbd_dataset_freiburg1_room/associate.txt

在data/rgbd_dataset_freiburg1_room位置生成associate.txt檔案；

然後執行rgb-slam命令：

./examples/rgb-d/rgbd_tum vocabulary/orbvoc.txt examples/rgb-d/tum1.yaml data/rgbd_dataset_freiburg1_room data/rgbd_dataset_freiburg1_room/associate.txt

不得不說rgb-d比單目效果要好的不少，至少在room這個資料集上表現得不錯，但是在小部分資料集如fr2/pioneer_slam上面跑還是有丟追蹤的情況。

剩下的，關於orb-slam的改進還沒有弄完，等做完再記錄一下吧。

ORB SLAM2 從編譯到除錯

ORB SLAM2 定位模式

ORBSLAM2之LocalMapping執行緒

ORB SLAM2詳解（四）跟蹤

ORB SLAM2 從編譯到除錯

ORB SLAM2 定位模式

ORBSLAM2之LocalMapping執行緒

ORB SLAM2詳解（四）跟蹤

相關推薦