orbslam2基础

目录

  • 一、 内容概要
  • 二、 orbslam2基础介绍
  • 三 、 orbslam2安装
    • 3.1 安装依赖
    • 3.2 安装orbslam2
    • 3.3 下载Kitee数据集
  • 四、 进行ORBSLAM2仿真
  • 五、 心得体会
  • 六、 参考链接

一、 内容概要

  1. orbslam2基础介绍
  2. orbslam2安装
  3. orbslam2使用案例：orbslam2+kitti数据集序列图像

二、 orbslam2基础介绍

ORB-SLAM2是一种用于单目、双目和RGB-D摄像头的实时视觉定位与地图构建系统。它是由伦敦帝国学院的Raul Mur-Artal、Juan D. Tardós和J. M. M. Montiel等人开发的，是ORB-SLAM的改进版本。ORB-SLAM2结合了特征提取、跟踪、建图和定位的功能，可以在实时性和鲁棒性之间取得平衡，适用于各种环境和场景。它在计算机视觉和机器人领域得到广泛应用，可以用于自主导航、增强现实、室内导航等多个领域。
优点：
· 实时性：ORB-SLAM2能够在实时性要求较高的情况下进行定位和地图构建，适用于实时应用。
· 鲁棒性：它采用了ORB特征点描述符和RANSAC等方法，对于光照变化、视角变化等场景具有一定的鲁棒性。
· 支持多种摄像头：ORB-SLAM2支持单目、双目和RGB-D摄像头，具有较好的适用性。
· 开源：作为开源项目，ORB-SLAM2具有广泛的用户群体和社区支持，用户可以自由获取和修改源代码。
缺点：

· 对动态场景不稳定：在存在大量动态物体的场景中，ORB-SLAM2可能会出现定位漂移或者地图构建不准确的情况。
· 对重复纹理区域敏感：在具有重复纹理的区域，ORB-SLAM2可能会出现匹配错误的情况，影响定位和地图构建的准确性。
· 对于大规模环境的处理有限：在大规模环境下，ORB-SLAM2可能会受限于内存和计算资源的限制，无法有效处理大规模地图构建和定位任务。

三 、 orbslam2安装

3.1 安装依赖

依赖列表:

  1. Pangolin0.5
  2. Eigen3.1以上
  3. Sophus
  4. Ceres
  5. OpenCV
  6. g2o
  7. DBoW3
    可以从此链接下载：
    https://github.com/Gongkaka/slambook2/tree/master/3rdparty

注意!安装过程中出现虚拟机无响应或报错：

在这里插入图片描述
请扩充虚拟机内存后重试
在这里插入图片描述

下面是具体安装流程

  • Pangolin
#若没有从上面链接下载则使用：git clone https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
mkdir build && cd build
cmake ..
sudo make -j8
sudo make install
  • Ceres
#安装依赖
sudo apt-get install  liblapack-dev libsuitesparse-dev libcxsparse3 libgflags-dev libgoogle-glog-dev libgtest-devgit clone https://github.com/ceres-solver/ceres-solver.git
cd ceres-solver
mkdir ceres-solver-build
cd ceres-solver-build
cmake ..
make -j8
sudo make install
  • opencv安装
    我多次测试发现orbslam2在opencv版本号为2.-的环境下报错率较低，所以我建议下载opencv2
    进入opencv官方下载链接选择2.-版本下载，我下载的是2.4.13.6
cd opencv-2.4.13.6
mkdir build
cd build
cmake -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON ..

漫长的等待

make
sudo make install

完成后开始配置环境

sudo gedit ~/../../etc/ld.so.conf.d/opencv.conf

在里面添加:

/usr/local/lib

保存后

sudo ldconfig

再进入另一个文件

sudo gedit ~/../../etc/bash.bashrc

添加以下两行

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH

如果之前安装过其他版本的opencv，添加过这个配置可以不用添加
多版本opencv可以参考这个链接https://blog.csdn.net/learning_tortosie/article/details/80594399

  • g2o
#安装依赖:
sudo apt-get install qt5-qmake qt5-default libqglviewer-dev-qt5 libsuitesparse-dev libcxsparse3 libcholmod3
#若没有从上面链接下载则使用：git clone https://github.com/RainerKuemmerle/g2o.git
cd g2o
mkdir build
cd build
cmake ..
make -j8
sudo make install
  • DBoW3
#若没有从上面链接下载则使用：git clone https://github.com/stevenlovegrove/Pangolin.git
cd DBoW3
mkdir build
cd build/
cmake ..
make
sudo make install

3.2 安装orbslam2

  1. 首先新建一个ros工作区（也可以用现有的）
mkdir -p ~/ws_orbslam/src
cd ~/ws_orbslam
catkin_init_workspace src
catkin_make
source devel/setup.bash

然后将orb_slam2下载到主目录

cd ~
git clone https://github.com/raulmur/ORB_SLAM2.git
cd ~/ORB_SLAM2
sudo chmod +x build.sh
./build.sh

然后编译一下

sudo chmod +x build_ros.sh
./build_ros.sh

看到进度为100%和拥有这三个文件即视为安装成功
在这里插入图片描述
在这里插入图片描述

3.3 下载Kitee数据集

官方网站
在这里插入图片描述

官网下载过程比较繁琐，而且下载速度慢，可以进入以下链接选择下载
https://blog.csdn.net/wyy13273181006/article/details/107686370
可以选择其中一个数据集
在这里插入图片描述
任选

四、 进行ORBSLAM2仿真

进入ORB_SLAM2根目录
最后就是训练集，根据自己文件设置

#执行命令:ORB-SLAM2支持单目、双目和RGBD数据，这里选择mono_kitti的单目数据集来运行和调试。
#运行命令格式为：
./mono_kitti path_to_vocabulary path_to_settings path_to_sequence
#该命令共有4个参数:#mono_kitti:为ORB-SLAM2编译生成的针对MONO_KITTI数据集的可执行文件，一般路径为ORB-SLAM2工程目录下Examples/Monocular/mono_kitti；#path_to_vocabulary为所选词典的路径，路径为ORB_SLAM2/Vocabulary/ORBvoc.txt；#path_to_settings为配置文件，存放在ORB-SLAM2/Examples/Monocular下，运行时选择了KITTI00-02.yaml(可选择别的)，该配置文件中存放的相机的内参和外参，提取特征时候图像金字塔相关参数，可视化过程中用到的参数；

./mono_kitti ~/ORB_SLAM2/Vocabulary/ORBvoc.txt KITTI00-02.yaml ~/ws_orbslam/src/data_odometry_gray/00/

效果：
在这里插入图片描述
0929
常见报错可以参考：
ROS melodic 安装运行 ORB_SLAM2过程及遇到的问题与解决

五、 心得体会

在深入研究和仿真ORB-SLAM2的过程中，我深刻体会到了这个开源视觉SLAM（Simultaneous Localization and Mapping）系统的强大和复杂性。通过实际操作和测试，我对ORB-SLAM2的实时性、鲁棒性和对多种摄像头的支持有了更直观的理解。

首先，ORB-SLAM2的实时性给我留下了深刻的印象。在仿真过程中，系统能够快速地处理输入的图像序列，并实时输出相机的位姿和构建的地图。这对于需要快速响应的应用场景，如自动驾驶和机器人导航，是非常关键的。实时性的实现得益于ORB-SLAM2高效的特征提取和匹配算法，以及优化的地图管理和更新策略。

其次，ORB-SLAM2的鲁棒性也让我感到赞叹。在仿真中，我尝试了各种光照条件、视角变化和动态场景，ORB-SLAM2都能够较好地应对。特别是在光照变化较大的场景中，ORB-SLAM2仍然能够稳定地跟踪和定位，这得益于ORB特征点描述符对光照变化的鲁棒性。此外，ORB-SLAM2还采用了RANSAC等方法来过滤错误的匹配，进一步提高了系统的鲁棒性。

此外，ORB-SLAM2对多种摄像头的支持也让我感到非常满意。在仿真中，我分别测试了单目、双目和RGB-D摄像头的数据，ORB-SLAM2都能够适应并稳定地运行。这种广泛的适用性使得ORB-SLAM2可以应用于各种不同的场景和设备，极大地扩展了其应用范围。

然而，在仿真过程中，我也遇到了一些问题和挑战。首先，ORB-SLAM2对动态场景的处理能力有限。在存在大量动态物体的场景中，ORB-SLAM2可能会出现定位漂移或者地图构建不准确的情况。这需要我们在实际应用中结合其他方法，如语义分割或光流法等，来提高对动态场景的处理能力。

其次，ORB-SLAM2对重复纹理区域敏感。在具有重复纹理的区域，ORB-SLAM2可能会出现匹配错误的情况，影响定位和地图构建的准确性。这需要我们在实际应用中注意选择合适的特征点和匹配策略，以减少这种情况的发生。

最后，ORB-SLAM2在处理大规模环境时可能会受限于内存和计算资源的限制。这需要我们在实际应用中采用一些优化策略，如分块处理、地图压缩等，来降低系统的资源消耗。

总的来说，ORB-SLAM2是一个强大而复杂的视觉SLAM系统，具有实时性、鲁棒性和对多种摄像头的支持等优点。通过仿真和测试，我对其有了更深入的理解，也发现了一些问题和挑战。我相信在未来的研究和应用中，ORB-SLAM2将会得到更广泛的应用和发展。

六、 参考链接

  1. https://blog.csdn.net/learning_tortosie/article/details/80594399
  2. https://blog.csdn.net/wakeup_high/article/details/138011781?spm=1001.2014.3001.5502
  3. https://blog.csdn.net/weixin_56566649/article/details/124355140
  4. ubuntu 上 opencv2 的安装与配置
  5. ROS melodic 安装运行 ORB_SLAM2过程及遇到的问题与解决

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/675764.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

ESP8266固件烧写

ESP8266固件烧写

概述 因为手上有块闲置的ESP8266开发板，想着拿来倒腾一下WIFI探针，倒腾了一阵测试成功，博文记录用以备忘 硬件 ESP8266 NodeMCU 环境 Windows 11 步骤 1.下载esp32_win32_msys2_environment_and_toolchain-20181001.zip 2.下载xtensa…
阅读更多...
scikit-learn实现单因子线性回归模型

scikit-learn实现单因子线性回归模型

1.是什么： 针对机器学习提供了数据预处理，分类，回归等常见算法的框架 2.基于scikit-learn求解线性回归的问题： 2.1.求解a，b对新数据进行预测： 2.2评估模型表现（y和y’的方差MSE）…
阅读更多...
为什么会查询不到DNS信息？怎么排查？

为什么会查询不到DNS信息？怎么排查？

DNS（域名系统）是将域名转换为相应 IP 地址的关键系统。查询 DNS 信息具有重要作用，通过查询 DNS 信息，我们可以知道域名对应的 IP 地址，这是最主要的信息，使设备能与目标服务器进行通信；其次是域…
阅读更多...
Innodb实现的索引

Innodb实现的索引

概念 一种用于提高数据库查询性能的有序的数据结构。通过使用索引，数据库引擎可以快速定位到存储表中的特定数据，而不必逐行遍历整个表。在处理大量数据的时候可以显著加快数据检索的速度。 通过索引列队数据进行排序，降低数据排序的成本&a…
阅读更多...
商家制作微信小程序有什么好处？微信小程序的制作有哪些步骤和流程

商家制作微信小程序有什么好处？微信小程序的制作有哪些步骤和流程

微信小程序全面指南 微信小程序是微信生态系统中一项革命性的功能，为希望与庞大的微信用户群体互动的企业提供了独特的融合便捷性和功能性的体验。本全面指南深入探讨了微信小程序的世界，强调了其重要性、工作原理以及实际用例，特别是针对企…
阅读更多...
Llama 3 模型上下文长度扩展至1048K

Llama 3 模型上下文长度扩展至1048K

AI苏妲己： Gradient AI 近日宣布，通过其创新的渐进式训练方法，成功将 Llama 3 系列模型的上下文长度扩展至超过100万令牌。 Llama 3 模型最初设计用于处理8000个令牌的上下文长度，这大约相当于6000字或10页文档。为了适应更长的…
阅读更多...
LLMs之GPT4ALL：GPT4ALL的简介、安装和使用方法、案例应用之详细攻略

LLMs之GPT4ALL：GPT4ALL的简介、安装和使用方法、案例应用之详细攻略

LLMs之GPT4ALL：GPT4ALL的简介、安装和使用方法、案例应用之详细攻略 目录 GPT4ALL的简介 0、新功能 1、特点 2、功能 3、技术报告 GPT4ALL的安装和使用方法 1、安装 2、使用方法 GPT4ALL的案例应用 LLMs之LLaMA3：基于GPT4ALL框架对LLaMA-3实现…
阅读更多...
python turtle

python turtle

名字动画 #SquareSpiral1.py import turtle t turtle.Pen() turtle.bgcolor("black")my_nameturtle.textinput("输入你的姓名","你的名字？") colors["red","yellow","purple","blue"] for…
阅读更多...
开源代码分享(28)-含分布式光伏的配电网集群划分和集群电压协调控制

开源代码分享(28)-含分布式光伏的配电网集群划分和集群电压协调控制

参考文献： [1] Chai Y , Guo L , Wang C ,et al.Network Partition and Voltage Coordination Control for Distribution Networks With High Penetration of Distributed PV Units[J].IEEE Transactions on Power Systems, 2018:3396-3407.DOI:10.1109/TPWRS.2018…
阅读更多...
oracle 清理 trace 和 alert 日志文件

oracle 清理 trace 和 alert 日志文件

某天,发现磁盘空间被占满了，继续查询发现是 oracle 的日志文件占满了磁盘空间 其中: trace文件有35G, alert 有23G 目录地址是: diag/rdbms/orcl/orcl/trace, diag/rdbms/orcl/orcl/alert 都是在 oracle 目录下的 diag 目录内部 # 可以使用 以下命令对目录大小进行排…
阅读更多...
Vue3:menu导航栏出现多个同一跳转路径的菜单处理

Vue3:menu导航栏出现多个同一跳转路径的菜单处理

文章目录 需求整理实现思路实现过程 需求整理，实现思路 最近公司想将之前老的项目整理出来，因为这个老项目内容太杂什么页面都往里面塞，导致菜单特别多，公司就像将这个老的项目迁出来，这个旧的项目本来是后端PHP写的。…
阅读更多...
rmallox勒索病毒肆虐，如何保护网络安全？

rmallox勒索病毒肆虐，如何保护网络安全？

rmallox勒索病毒与网络安全的关系可以从以下几个方面来阐述： 一、rmallox勒索病毒的特性 rmallox勒索病毒是一种极具破坏性的计算机病毒，它具有多个显著特性，这些特性使得该病毒对网络安全构成了严重威胁。具体来说，rmallox病毒具…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023