高翔ORB-SLAM2稠密建图编译(添加实时彩色点云地图+保存点云地图)

这篇具有很好参考价值的文章主要介绍了高翔ORB-SLAM2稠密建图编译(添加实时彩色点云地图+保存点云地图)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


前言

本文写于2022年5月18日。

系统版本

Ubuntu18.04 + ROS melodic


一、准备工作

ORBSLAM2_with_pointcloud_map 是基于 ORB_SLAM2 改动的, ORB_SLAM2 编译前一些库的安装以及编译时的报错参考此篇博客

下载源码

ORBSLAM2_with_pointcloud_map源码地址
将源码下载到 ~/catkin_ws/src 目录下面
如果没有安装 Ros Melodic ,参考Ubuntu18.04安装Ros Melodic 以及测试rviz
如果安装了 Ros Melodic ,没有创建ROS空间,参考此篇博客


二、编译 ./build.sh

使用 "ORB_SLAM2_modified/"目录下的代码,而不是压缩文件

1.删除一些build文件夹

删除ORB_SLAM2_modified/Thirdparty/DBoW2/buildORB_SLAM2_modified/Thirdparty/g2o/build以及ORB_SLAM2_modified/Examples/ROS/ORB_SLAM2/build这3个 build 文件夹

2.创建 Vocabulary 文件夹

ORB_SLAM2 下的 Vocabulary 子文件夹复制粘贴到 ORB_SLAM2_modified 文件夹下

3.在CMakeLists.txt中取消编译器的一些设置

CMakeLists.txt 中删除 -march=native

set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS}  -Wall  -O3 -march=native ")
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -Wall   -O3 -march=native")

Thirdparty/g2o/CMakeLists.txt 中删除 -march=native

# Compiler specific options for gcc
SET(CMAKE_CXX_FLAGS_RELEASE "${CMAKE_CXX_FLAGS_RELEASE} -O3 -march=native") 
SET(CMAKE_C_FLAGS_RELEASE "${CMAKE_C_FLAGS_RELEASE} -O3 -march=native") 

4.编译

进入 ORB_SLAM2_modified 文件夹

cd ORB_SLAM2_modified

build.sh 文件权限

chmod +x build.sh

编译 build.sh 文件

./build.sh

5.运行TUM数据集

使用如下命令./rgbd_tum path_to_vocabulary path_to_settings path_to_sequence path_to_association
我的命令如下

./bin/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM1.yaml /home/d/文档/TUM数据集/rgbd_dataset_freiburg1_desk Examples/RGB-D/associations/fr1_desk.txt

运行结果是黑白的点云图且无法保存点云地图,接下来修改一些代码。

6.实时查看彩色点云地图

参考链接

1)

ORB_SLAM2_modified/include/Tracking.h添加

    // Current Frame
    Frame mCurrentFrame;
    cv::Mat mImRGB; //添加这行
    cv::Mat mImGray;
    cv::Mat mImDepth;

2)

ORB_SLAM2_modified/src/Tracking.cc修改2处
第一处

cv::Mat Tracking::GrabImageRGBD(const cv::Mat &imRGB,const cv::Mat &imD, const double &timestamp)
{
    mImRGB = imRGB;//添加这行
    mImGray = imRGB;
    mImDepth = imD;

第二处

    // insert Key Frame into point cloud viewer
    //mpPointCloudMapping->insertKeyFrame( pKF, this->mImGray, this->mImDepth );
    mpPointCloudMapping->insertKeyFrame( pKF, this->mImRGB, this->mImDepth ); //修改地方

7.保存彩色点云地图

参考此篇博客中间部分
修改ORB_SLAM2_modified/src/pointcloudmapping.cc,在其中调用 PCL 库的pcl::io::savePCDFileBinary函数就可以保存点云地图了
加入头文件

#include <pcl/io/pcd_io.h>

在 void PointCloudMapping::viewer() 函数中( 123 行附近)加入保存地图的命令,最后样式如下:

...
for ( size_t i=lastKeyframeSize; i<N ; i++ )
{
    PointCloud::Ptr p = generatePointCloud( keyframes[i], colorImgs[i], depthImgs[i] );
    *globalMap += *p;
}
pcl::io::savePCDFileBinary("vslam.pcd", *globalMap);   // 只需要加入这一句
...

修改之后重新编译程序
并且安装相应的工具,就可以查看生成的文件

#安装
sudo apt-get install pcl-tools
#查看
pcl_viewer vslam.pcd

高翔orb_slam2稠密建图编译,自动驾驶,linux,人工智能,ubuntu,个人开发

三、编译 ./build_ros.sh

1.将该工程添加至 ROS_PACKAGE_PATH

打开终端输入

sudo gedit ~/.bashrc

在最后一行插入

export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:~/catkin_ws/src/ORB_SLAM2_modified/Examples/ROS

注: ~/catkin_orb/src/ 为我 ORB-SLAM2_RGBD_DENSE_MAP-master 的路径,需要改成自己的文件路径

刷新 bash

source ~/.bashrc

检验 ROS path 是否被识别

echo $ROS_PACKAGE_PATH

显示了刚刚加入的路径,说明ROS路径配置成功了

2.编译

进入 ORB_SLAM2_modified 文件夹

cd ORB_SLAM2_modified

build_ros.sh 文件权限

chmod +x build_ros.sh

编译 build_ros.sh 文件

./build_ros.sh

1.错误1

高翔orb_slam2稠密建图编译,自动驾驶,linux,人工智能,ubuntu,个人开发这里是ROS_PACKAGE_PATH的问题,在运行时,ROS 会优先查找最前端的工作空间中是否存在指定的功能包,如果不存在, 就顺序向后查找其他工作空间,直到最后一个工作空间为止(参考链接)。由于我已经添加了路径,但是在catkin_ws/src/ORB_SLAM2/Examples/ROS路径下先找到了指定文件,与终端进入的路径不一样导致了错误(我猜的)。
解决办法:将先搜索到的文件夹删掉,当此工程编译好了再还原。

2.错误2

高翔orb_slam2稠密建图编译,自动驾驶,linux,人工智能,ubuntu,个人开发找不到PCL头文件,参考链接

高翔orb_slam2稠密建图编译,自动驾驶,linux,人工智能,ubuntu,个人开发解决办法:将整个PCL相关头文件复制到该工程目录下,使用sudo cp -r命令
如果PCL库不是1.7版本的,修改 CMakeLists.txt 文件

find_package(Eigen3 3.1.0 REQUIRED)
find_package(Pangolin REQUIRED)
# adding for point cloud viewer and mapper
#find_package( PCL 1.7 REQUIRED )
find_package( PCL REQUIRED )

3.错误3

高翔orb_slam2稠密建图编译,自动驾驶,linux,人工智能,ubuntu,个人开发参考链接
ORB_SLAM2_modified/Examples/ROS/ORB_SLAM2/CMakeLists.txt文件中添加

-lboost_system

高翔orb_slam2稠密建图编译,自动驾驶,linux,人工智能,ubuntu,个人开发文章来源地址https://www.toymoban.com/news/detail-817297.html

到了这里,关于高翔ORB-SLAM2稠密建图编译(添加实时彩色点云地图+保存点云地图)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 实操指南:ORB-SLAM3的编译运行

    前面我们提到,ORB-SLAM3作为常用的机器人建图与定位技术,是当前最优秀的基于特征点的视觉SLAM系统之一。 它支持单目、双目、单目惯导、双目惯导、RGB-D等多种相机模式,兼具精度和鲁棒性,是机器人SLAM算法工程师的一项「必备技能」。 为了更好地帮助大家学习和理解

    2024年02月13日
    浏览(38)
  • 【SLAM实战篇】Ubuntu 20.04版本(OpenCV版本4.5.3)对于ORB-SLAM2安装运行,代码编译,自己的数据集构造

    学完SLAM十四讲 心血来潮想跑一下ORB-SLAM2的代码,纯新手小白,自己的踩坑经历进行整理: 本文章主要对ORB-SLAM2进行编译运行。以及自己构建数据集。 源码github地址:https://github.com/raulmur/ORB_SLAM2 终端克隆代码: 查看源代码,其重要的代码库仅为三个文件夹: Example include s

    2024年03月13日
    浏览(44)
  • ORB-SLAM2的布置(四)ORB-SLAM2构建点云

    高博的工作是对基本 ORB SLAM2 的扩展,基本思想是为每个关键帧构造相应的点云,然后依据从 ORB SLAM2 中获取的关键帧位置信息将所有的点云拼接起来,形成一个全局点云地图。 https://github.com/gaoxiang12/ORBSLAM2_with_pointcloud_map 具体的依赖包括: OpenCV (推荐 3.2 版本) DBoW2 和 g2o(源

    2024年02月05日
    浏览(45)
  • 经典文献阅读之--Orbeez-SLAM(单目稠密点云建图)

    对于现在的VSLAM而言,现在越来越多的工作开始聚焦于如何将深度学习结合到VSLAM当中,而最近的这个工作就给出了一个比较合适的方法。《Orbeez-SLAM: A Real-time Monocular Visual SLAM with ORB Features and NeRF-realized Mapping》这篇文章,可以轻松适应新的场景,而不需要预先训练,并实时为

    2024年02月13日
    浏览(30)
  • 【视觉SLAM】ORB-SLAM2S: A Fast ORB-SLAM2 System with Sparse Optical Flow Tracking

    Citations: Y. Diao, R. Cen, F. Xue.ORB-SLAM2S: A Fast ORB-SLAM2 System with Sparse Optical Flow Tracking[C].2021 13th International Conference on Advanced Computational Intelligence (ICACI). Wanzhou,China.2021:160-165. Keywords: Visualization,Simultaneous localization and mapping,Cameras,Real-time systems,Aircraft navigation,Central Processing Unit,Traje

    2023年04月08日
    浏览(50)
  • ORB-SLAM 论文阅读

    论文链接 ORB-SLAM 0. Abstract 本文提出了 ORB-SLAM,一种基于特征的单目同步定位和建图 (SLAM) 系统 该系统对严重的运动杂波具有鲁棒性,允许宽基线环路闭合和重新定位,并包括全自动初始化 选择重建的点和关键帧的适者生存策略具有出色的鲁棒性,并生成紧凑且可跟踪的地图

    2024年01月22日
    浏览(42)
  • SLAM ORB-SLAM2(22)分解基础矩阵

    在 《SLAM ORB-SLAM2(12)估算运动并初始地图点》 中了解到 估算两帧间相对运动过程: 记录特征点对的匹配关系 RANSAC 采样准备 计算H矩阵或者F矩阵 判断并选取模型求位姿过程 在

    2024年04月15日
    浏览(30)
  • 基于ORB-SLAM3库搭建SLAM系统

    博客地址:https://www.cnblogs.com/zylyehuo/ ORB-SLAM3配置及安装教程 ORB-SLAM3配置安装及运行 Win 11pro VMware 17Pro Ubuntu 18.04 Eigen3 Pangolin Opencv3.4.3 ORB-SLAM3源码: https://github.com/UZ-SLAMLab/ORB_SLAM3 安装 Pangolin 需要的依赖工具 安装 Pangolin 官网下载地址:https://opencv.org/releases/page/5/ 下载之后放在

    2024年02月03日
    浏览(36)
  • SLAM ORB-SLAM2(20)查找基础矩阵

    在 《SLAM ORB-SLAM2(12)估算运动并初始地图点》 的 2.3. 计算H矩阵和F矩阵过程 中

    2024年03月17日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包