-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathslam主要教程
205 lines (171 loc) · 7.69 KB
/
slam主要教程
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
首推一篇不错的文章（文章出自高翔《视觉SLAM十四讲》中的最后一讲）： 史上最全的SLAM学习资料收集 。 里面有近年来各个优秀的开源SLAM方案的项目网址和源码地址。可能高博这本书定稿的时候港科大的VINS-Mono还没有发布，个人觉得这也是一个非常优秀的SLAM方案，是视觉惯导（VO+IMU紧耦合）SLAM的成功案例。
1、前言
网上有很多ORB-SLAM的编译安装教程，我觉得大同小异，差不多都是按照GitHub源码中的README翻译过来的。当然，按照README一步步来做肯定是没有问题的，但是我觉得略微有些繁琐，所以我更喜欢按照自己的方式来。
ORB-SLAM1是依赖于ROS运行的，因为它的主程序中引用了ROS的头文件，必须通过订阅话题来实现图像的输入。其实程序本身相对比较独立，除了订阅一个sensor_msgs::Image类型的话题、发布一个sensor_msgs::Image类型的话题和一个visualization_msgs::Marker类型的话题，里面其他的任何算法跟ROS就没啥关系了。
ORB-SLAM2是不完全依赖ROS的，它有两个编译选项，对应两个脚本文件build.sh和build_ros.sh。编译前者你只能跑一些数据集，当然有能力的改改源码也是可以跑自己的设备的；编译后者则可以利用ROS很方便地接入自己的设备。ORB-SLAM2支持Monocular、Stereo、RGB-D相机，代码结构更加复杂，但条理依然很清晰。
2、我的编译过程
ORB-SLAM官方主页：http://webdiis.unizar.es/~raulmur/orbslam/
ORB-SLAM1源码地址：https://github.com/raulmur/ORB_SLAM
ORB-SLAM2源码地址：https://github.com/raulmur/ORB_SLAM2
编译ORB-SLAM之前需要安装一些必要的依赖库，按照源码中的README操作即可。下面开始在ROS上编译ORB-SLAM1和ORB-SLAM2，步骤与官方教程不一样，在我这里没有问题，但不能保证都适用，注意我的编译环境为Ubuntu16.04（ROS-kinetic）：
Step1 创建ROS工作空间
$ mkdir -p ~/SLAM/src
$ cd ~/SLAM/src
$ catkin_init_workspace
$ cd ..
$ catkin_make
$ echo "source ~/SLAM/devel/setup.bash" >> ~/.bashrc
$ source ~/.bashrc
1
2
3
4
5
6
7
Step2 下载源码
$ cd ~/SLAM/src
$ git clone https://github.com/raulmur/ORB_SLAM.git ORB_SLAM1
$ git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2
1
2
3
Step3 修改部分文件内容
虽然我们前面按照README安装了ORB-SLAM所有的依赖库，但编译过程中难免还是会遇到各种各样的问题，接下来根据我在编译过程中遇到过的问题列出以下修改意见：
（1）在ORB_SLAM1文件夹下有个manifest.xml文件，将里面的<depend package="opencv2"/>这一行删掉或注释掉。
（2）打开ORB_SLAM1/src文件夹下的ORBextractor.cc文件，添加两个头文件：
#include <opencv2/features2d/features2d.hpp>
#include <opencv2/imgproc/imgproc.hpp>
1
2
修改以上两条的原因是ROS-kinetic版本自带OpenCV3 。
（3）打开ORB_SLAM1/Thirdparty/g2o/g2o/solvers文件夹下的linear_solver_eigen.h文件，找到typedef Eigen::PermutationMatrix<Eigen::Dynamic, Eigen::Dynamic, SparseMatrix::Index> PermutationMatrix;，将其改为typedef Eigen::PermutationMatrix<Eigen::Dynamic, Eigen::Dynamic> PermutationMatrix;，原因是Ubuntu16.04安装的Eigen库与源码自带的g2o库产生了一些不兼容的问题。
（4）打开ORB_SLAM1文件夹下的CMakeLists.txt，在target_link_libraries()中添加两个库文件：
/usr/lib/x86_64-linux-gnu/libboost_system.so
/usr/lib/x86_64-linux-gnu/libboost_filesystem.so
1
2
（5）打开ORB_SLAM2/Examples/ROS/ORB_SLAM2文件夹下的CMakeLists.txt，在set(LIBS ...)中同样添加上述的两个库文件。
修改以上两条的原因是编译过程中可能会遇到cmake找不到libboost_system.so和libboost_filesystem.so的情况，也许你不会遇到。当然，上面两个库的路径要根据自己的实际情况进行适当修改，可以通过$ locate libboost_system.so来进行定位。
Step4 开始编译
（1）编译ORB-SLAM1
$ cd ~/SLAM/src/ORB_SLAM1/Thirdparty/DBoW2/
$ mkdir build
$ cd build
$ cmake .. -DCMAKE_BUILD_TYPE=Release
$ make
$ cd ~/SLAM/src/ORB_SLAM1/Thirdparty/g2o/
$ mkdir build
$ cd build
$ cmake .. -DCMAKE_BUILD_TYPE=Release
$ make
$ cd ~/SLAM/src/ORB_SLAM1/
$ mkdir build
$ cd build
$ cmake .. -DROS_BUILD_TYPE=Release
$ make
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
（2）编译ORB-SLAM2
$ cd ~/SLAM/src/ORB_SLAM2/
$ chmod +x build.sh
$ ./build.sh
$ chmod +x build_ros.sh
$ ./build_ros.sh
1
2
3
4
5
6
编译ROS选项的时候均不需要设置ROS_PACKAGE_PATH，因为源码就在ROS的工作空间里。不出意外的话，编译可顺利通过！
3、用ORB-SLAM1跑自己的USB摄像头
第一步：当然是先运行$ roscore啦！
第二步：解压ORBvoc.txt
$ roscd ORB_SLAM1
$ cd Data/
$ tar zxvf ORBvoc.txt.tar.gz
1
2
3
第三步：运行ORB_SLAM节点
$ roscd ORB_SLAM1
$ rosrun ORB_SLAM ORB_SLAM Data/ORBvoc.txt Data/Settings.yaml
1
2
这一步一定要在ORB_SLAM的包路径下执行，因为源码main.cc中有这么两句：
// Load Settings and Check
string strSettingsFile = ros::package::getPath("ORB_SLAM")+"/"+argv[2];
// Load ORB Vocabulary
string strVocFile = ros::package::getPath("ORB_SLAM")+"/"+argv[1];
1
2
3
4
5
在这一步之前你可能还需要干一件事，那就是修改Data文件夹下的Settings.yaml文件，因为里面有一些相机的内参等重要的参数设置。如果你要使用的相机内参跟它里面原来的参数不一致，是一定要改的！如果你的相机还没有标定，那么方法有很多，可以参考这篇博客：ROS 教程之 vision: 摄像头标定camera calibration，教你如何利用ROS标定相机。
现在你可以查看一下ROS的节点和话题情况，打开一个新的终端，按照下图中的命令依次运行：
显然，ORB_SLAM节点发布了两个话题/ORB_SLAM/Frame和/ORB_SLAM/Map，同时订阅一个话题/camera/image_raw。另外它还发布了一个 tf 变换，在这里暂时用不到，忽略掉。
第四步：运行RViz，订阅ORB_SLAM节点发布的两个话题
$ roscd ORB_SLAM1
$ rosrun rviz rviz -d Data/rviz.rviz
1
2
源码里这个rviz的默认配置文件中没有订阅/ORB_SLAM/Frame话题，我们打开rviz后可以手动添加上，然后保存配置，下次再打开就不用手动添加了。
第五步：启动相机节点，发布/camera/image_raw话题
方法1 利用usb_cam功能包
如果还没有安装的话，运行命令：
$ sudo apt-get install ros-kinetic-usb-cam
1
然后随便找个地方新建一个launch文件用来启动usb_cam_node节点，不妨就在ORB_SLAM1文件夹下吧！新建一个文件，叫“usb_cam_node.launch”，然后粘贴以下代码：
<launch>
<node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" >
<param name="video_device" value="/dev/video1" />
<param name="image_width" value="640" />
<param name="image_height" value="480" />
<param name="pixel_format" value="yuyv" />
<param name="camera_frame_id" value="usb_cam" />
<param name="io_method" value="mmap" />
<remap from="/usb_cam/image_raw" to="/camera/image_raw" />
</node>
</launch>
1
2
3
4
5
6
7
8
9
10
11
保存文件，然后运行命令：
$ roscd ORB_SLAM1
$ roslaunch usb_cam_node.launch
1
2
方法2 编写自己的ROS相机节点
如何编写ROS相机节点，请参考我的这篇博客：用OpenCV编写一个ROS节点发布图像话题。按照上面的步骤编译成功后，新建一个my_nodes.launch文件，粘贴以下代码运行即可：
<launch>
<node name="cam_node" pkg="my_nodes" type="cam_node" output="screen" >
<param name="video_device" value="1" />
<param name="frame_rate" value="30" />
<remap from="/cam_node/image_raw" to="/camera/image_raw" />
</node>
</launch>