ORB-SLAM2的安裝與運行
1.實驗環境
使用vmware安裝虛擬機：ubuntu18.04
2.安裝步驟
2.1安裝必要的庫和依賴
（1）更新apt庫，更新軟體串列
sudo apt-get update
（2）安裝git，用于從Github上克隆專案到本地
sudo apt-get install git
（3）安裝cmake，用于程式的編譯
sudo apt-get install cmake
（4）安裝Pangolin 作為可視化和用戶界面
注意： 需安裝0.5版本的Pangolin，若安裝最新版會在SLAM專案build時出現 cannot find -lEigen3::Eigen 的報錯，
直接在Ubuntu中打開鏈接
https://github.com/stevenlovegrove/Pangolin/releases/tag/v0.5
安裝后解壓，再輸入以下命令完成編譯安裝：
cd Pangolin
mkdir build
cd build
cmake ..
make –j
sudo make install
（5）安裝OpenCV ，用于處理影像和特征
我使用的是OpenCV 3.4.10版本，在虛擬機中進入opencv官網下載Sources，2或3任意版本都可
https://opencv.org/releases/
然后解壓，進行編譯安裝
cd ~/opencv
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release –D CMAKE_INSTALL_PREFIX=/usr/local ..
make
sudo make install
opencv初次編譯會花費很長時間，耐心等待，
（6）安裝Eigen3
sudo apt-get install libeigen3-dev
（8）安裝ORB-SLAM2
1.克隆倉庫
git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2
為了避免編譯時出現usleep的錯誤，相應檔案添加 #include<unistd.h>，具體有
/src/LocalMapping.cc
/src/System.cc
/src/LoopClosing.cc
/src/Tracking.cc
/src/Viewer.cc
/Examples/Monocular/mono_tum.cc
/Examples/Monocular/mono_kitti.cc
/Examples/Monocular/mono_euroc.cc
/Examples/RGB-D/rgbd_tum.cc
/Examples/Stereo/stereo_kitti.cc
/Examples/Stereo/stereo_euroc.cc
然后可以選擇在build.sh檔案里把3個make -j改為make -j8，前提是你需要為虛擬機分配8個核，
為了避免編譯時運行記憶體不夠，報錯internal compiler error: Killed
需要提升運行記憶體
sudo dd if=/dev/zero of=/swapfile bs=64M count=16
#count的大小就是增加的swap空間的大小，64M是塊大小，所以空間大小是bs*count=1024MB
sudo mkswap /swapfile
#把剛才空間格式化成swap格式
sudo chmod 0600 /swapfile
#該目錄權限，不改的話，在下一步啟動時會報“swapon: /swapfile: insecure permissions 0644, 0600 suggested.”錯誤
sudo swapon /swapfile
#使用剛才創建的swap空間
可以查看當前記憶體的使用情況
free -m
作業做完可以把臨時空間關閉
swapoff -a
2.編譯
cd ORB_SLAM2
chmod +x build.sh
./build.sh
3.下載資料集
我使用的是TUM資料集，在
http://vision.in.tum.de/data/datasets/rgbd-dataset/download
下載rgbd_dataset_freiburg1_xyz即可，解壓
./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM1.yaml PATH_TO_SEQUENCE_FOLDER
PATH_TO_SEQUENCE_FOLDER是你檔案的地址，
然后就開始運行例程了，貼圖：
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/437015.html
標籤：AI
上一篇：【pytorch】凍結網路踩坑
下一篇：灰色預測法 —— python