ORB_SLAM运行详细过程（不能再详细了）

本文档包括单目ORB_SLAM从ubuntu系统和ROS环境搭建到最终测试程序，主要包含以下几部分。

运行环境:window 7下装虚拟机VMWare 10，在虚拟机里跑ubuntu14.04。参考了一些资料，在测试中也碰到很多问题，故编写这个详细ORB_SLAM运行过程，辛苦堆砌。

一、ORB SLAM简介

ORBSLAM是15年出的比较完备的单目slam算法，orb指的是一种旋转不变性特征，整个算法均是基于orb特征实现的，不同于基于稠密或半稠密地图的slam,orbslam是一个基于特征点地图的slam。最新的orbslam的进展是基于orbslam的关键帧做了半稠密场景重建，新的研究成果可持续关注下面的项目主页：http://webdiis.unizar.es/~raulmur/orbslam/

二、ubuntu系统和ROS环境搭建

（1）ubuntu系统安装

ubuntu系统下载镜像：http://mirrors.ustc.edu.cn/ubuntu-releases/14.04/

我是下载32位的。

虚拟机VMWare 10自己百度安装下就好了。下图是我的ubuntu配置

（2）ROS环境安装

ROS是运行在ubuntu系统下的，Ubuntu和ROS版本对应，这里是对应安装ROS Indigo版

（1）首先打开“软件和更新”对话框，具体可以在Ubuntu最左上角的搜索按钮中搜索。

打开后按照下图进行配置（确保你的"restricted"，"universe，"和"multiverse."前是打上勾的）：

（2）添加源，在终端（快捷键：Ctrl + Alt + T）命令行执行下列命令

首先，有两个工具是需要提前安装的。即cmake和git。

sudo apt-get install cmake

sudo apt-get install git

sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'

（3）设置密钥，在终端命令行执行下列命令

sudo apt-key adv --keyserver hkp://ha.pool.sks-keyservers.net:80 --recv-key 421C365BD9FF1F717815A3895523BAEEB01FA116

（4）安装，在终端命令行执行下列命令

sudo apt-get update

sudo apt-get install ros-indigo-desktop-full

安装完成后，可以用下面的命令来查看可使用的包：

apt-cache search ros-indigo

（5）初始化ROS，在终端命令行执行下列命令

sudo rosdep init

rosdep update

（6）初始化环境变量，在终端命令行执行下列命令

echo "source /opt/ros/indigo/setup.bash" >> ~/.bashrc

source ~/.bashrc

上面两句非常非常非常重要，很多小伙伴在日常的开发过程中，有的找不到 Package,找不到node,很多情况下都是没有添加source。

sudo apt-get install python-rosinstall

（7）测试ROS，重新打开终端，在命令行执行下列命令，表示安装成功。

roscore -h

三、ORB_SLAM依赖库

orb-slam依赖于若干库，需要依次安装，包括：Boost/ROS/OpenCV/g2o/DBoW2，针对这些库的安装将分别进行描述。

（1）Boost

使用Boost库主要是用来管理多线程的，在终端命令行执行下列命令即可，

sudo apt-get install libboost-all-dev

（2）ROS（见第二步、已做）
使用ROS主要是用来获取输入图像序列（可以是从摄像头直接获取，或者从已采集好的图像序列文件中获取数据，下面展示的例子属于后者）以及结果可视化。ROS的安装配置也可参考官网链接：

http://wiki.ros.org/indigo/Installation/Ubuntu完成，这里不再赘述。

（3）OpenCV （先编译后安装）

这里安装的opencv版本是opencv-2.4.13，下载地址：https://www.opencv.org/releases.html安装配置的过程如下：

安装opencv之前需要事先安装一些依赖项，在终端命令行执行下列命令：

sudo apt-get install build-essential cmake libgtk2.0-dev pkg-config python-dev python-numpy libavcodec-dev libavformat-dev libswscale-dev

然后从opencv官网下载opencv2.4.13版本（就下window版），将其用U盘拷贝到虚拟机的ubuntu系统里并解压缩，进入解压缩后目录，创建编译文件夹build，并进入该文件夹，

cd opencv-2.4.13

mkdir build

cd build

先编译OpenCV，后安装OpenCV在终端命令行执行下列命令：

cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

make

sudo make install

（4）g2o 依赖库

（执行图优化的一个通用求解器，这里可以简单理解位姿求解，位姿优化、地图优化）

g2o主要是用来进行优化计算的，编译g2o需要首先安装其他依赖项，在终端命令行执行下列命令：

sudo apt-get install libblas-dev

sudo apt-get install liblapack-dev

sudo apt-get install libeigen3-dev

（5）DBoW2(主要用于place recognition，场景识别，在ORB SLAM中主要用于闭环检测）

DBoW2不需要其他依赖库，直接进行下一步的编译即可。

四、ORB_SLAM源码及编译

（1）ORB_SLAM源码下载

从ORB-SLAM的github主页下载ORB-SLAM项目至目录ORB_SLAM下，在终端命令行执行下列命令：

git clone https://github.com/raulmur/ORB_SLAM.git ORB_SLAM

也可以在window系统里下载好用U盘拷贝到ubuntu系统里。

（2）设置环境变量

如果ORB-SLAM源码的绝对路径为:/home/wzh/ORB_SLAM，那么设置环境变量ROS_PACKAGE_PATH为，在终端命令行执行下列命令：

export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH::/home/wzh/ORB_SLAM

（3）第三方库g2o编译

进入目录ORB_SLAM/Thirdparty/g2o/，并在命令行中执行命令，

mkdir build

cd build

cmake .. -DCMAKE_BUILD_TYPE=Release

make

（4）第三方库DBoW2编译

进入目录ORB_SLAM/Thirdparty/DBoW2/，并在命令行中执行命令，

mkdir build

cd build

cmake .. -DCMAKE_BUILD_TYPE=Release

Make

（5）ORB_SLAM源码编译

进入目录ORB_SLAM/，并在命令行中执行命令，

mkdir build

cd build

cmake .. -DROS_BUILD_TYPE=Release

make

特别需要注意的是，如果ROS安装的版本是ROS Indigo，需要将ORB_SLAM根目录下的manifest.xml文件中的opencv2依赖一行的代码去掉！ 

完成ORB-SLAM的编译过程。

五、测试程序、运行程序

前提：ORB_SLAM源码已下载，ros已正确安装，依赖库的安装，第三方库的编译（g2o和DBoW2），ORB_SLAM已编译。

说到运行程序，orbslam是基于ros的，因此首先必须得运行roscore，启动ros服务。随后逐一运行图片显示，地图显示，orb slam主体程序，rosbag图片发布程序。

关于启动各个程序，无论是ORB本体程序还是可视化程序还是图片发布程序，大致有两种方法：

一、逐一手动启动各个程序

(1) 开启新的终端，执行

roscore   #启动ros服务

(2) 开启新的终端，执行

export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:(你的ORB_SLAM文件夹绝对路径)    #添加环境变量，如果ORB_SLAM位于ROS工作空间的话，则忽略

我的是：export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:/home/wzh/ORB_SLAM

这一步是可以省掉的，只需在前面第四步下载ORB_SLAM源码及编译时，设置好环境变量就可以。

设置环境变量

如果ORB-SLAM项目的绝对路径为/home/wzh/ORB_SLAM，那么设置环境变量ROS_PACKAGE_PATH为，

export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:/home/wzh/ORB_SLAM

(3) 打开新的终端，执行

export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:(你的ORB_SLAM文件夹绝对路径)     #添加环境变量，如果ORB_SLAM位于ROS工作空间的话，则忽略

我的是：export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:/home/wzh/ORB_SLAM

rosrun rviz rviz -d Data/rviz.rviz   #启动地图视图窗口，显示轨迹及特征点地图

(4) 打开新的终端，执行

export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:(你的ORB_SLAM文件夹绝对路径)     #添加环境变量，如果ORB_SLAM位于ROS工作空间的话，则忽略

rosrun ORB_SLAM ORB_SLAM Data/ORBvoc.txt  Data/Settings.yaml             #运行ORB_SLAM， 其中ORBvoc.txt需要先解压

(5) 打开新的终端执行，进入Example.bag所在文件夹，执行    

rosbag play --pause Example.bag             

#执行图片发布程序，执行后，按空格键开始

二、使用launch文件启动程序

使用launch文件就比较简单了，ORB_SLAM包中包含两个launch文件，对应不同的ROS版本

 

根据你的ROS版本，选择对应的launch文件即可，launch文件相当于将上一小节的2,3,4步集成在一块：

(1) 开启新的终端，执行

roscore   #启动ros服务，#符合表示注释的意思。

(2) 开启新的终端，执行

export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:(你的ORB_SLAM文件夹绝对路径)  #添加环境变量，如果ORB_SLAM位于ROS工作空间的话，则忽略.

我的ORB_SLAM源码文件夹在：/home/wzh下

先在终端输入命令：

export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:/home/wzh/ORB_SLAM

再进入ORB_SLAM目录下

输入命令：roslaunch ExampleGroovyOrNewer.launch

(3) 打开新的终端执行，进入Example.bag所在文件夹，执行     

rosbag play --pause Example.bag  #执行图片发布程序，执行后，按空格键开始。也可以不按空格键，按s键可以单步查看运行结果。

下面左图展示的是相机姿态的可视化结果，右图展示的是对应时刻的追踪特征点可视化结果。

测试结果：