转载请注明出处，谢谢

原创作者：MingruiYU

原创链接：https://www.cnblogs.com/MingruiYu/p/12286752.html

ORB-SLAM2作为目前应用最广泛的视觉SLAM系统，其经典和重要程度毋庸置疑。ORB-SLAM2的github文档中，提供了详尽的ORB-SLAM2配置教程，上手应该是比较容易的。本文将跟随其github文档中的配置教程，对ORB-SLAM2系统进行安装和测试。

本文要点包括：

ORB-SLAM2的初次配置安装（包括相关依赖）
ORB-SLAM2运行TUM fr1/desk视频序列的单目SLAM和RGB-D SLAM示例
解决ORB-SLAM2编译过程中报错：error: usleep is not declared this scope
解决ORB-SLAM2运行示例过程中提示Failed to load module "canberra-gtk-module"

ORB-SLAM2 简介

ORB-SLAM是15年Raul等人提出的一个单目SLAM系统，其在单目SLAM领域影响广泛。详情可见论文：[Monocular] Raúl Mur-Artal, J. M. M. Montiel and Juan D. Tardós. ORB-SLAM: A Versatile and Accurate Monocular SLAM System. IEEE Transactions on Robotics, vol. 31, no. 5, pp. 1147-1163, 2015. (2015 IEEE Transactions on Robotics Best Paper Award). PDF.

在单目ORB-SLAM的基础上，17年Raul等人又提出了ORB-SLAM2，增加了对于双目相机和RGB相机的支持。详情可见论文：[Stereo and RGB-D] Raúl Mur-Artal and Juan D. Tardós. ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras. IEEE Transactions on Robotics, vol. 33, no. 5, pp. 1255-1262, 2017. PDF.

ORB-SLAM2是一个开源系统，其完整源码可见Github: raulmur/ORB_SLAM2.该开源库具备以下特征：

支持单目，双目，RGB相机
实时计算相机位姿和稀疏的三维重建，可进行回环检测和相机重定位
提供运行示例：配置安装好后，可直接在KITTI, TUM, EuRoC数据集中的视频序列下运行
可在ROS中编译，也可以不在ROS中编译：如果只是在数据集上运行，则不需要ROS；如果需要与真实摄像头连接，在真实场景下实时运行，则需要ROS。

安装相关依赖

在了解了ORB-SLAM2的概况后，我们开始对其进行配置安装。raulmur/ORB_SLAM2/README中提供了详尽的介绍和配置教程，建议大家尽可能去看原版，这样不容易因第三方转述而产生误解。本文在其配置教程的基础上，记录了一些自己遇到的其他情况和问题。本文暂没有使用ROS。

官方教程中提到他们测试了在Ubuntu12.04/14.04/16.04下的编译配置，而本文中，我是在Ubuntu18.04下进行编译配置的，经测试应该没有问题。在安装ORB-SLAM2之前，首先要安装相关的依赖。

C++11

使用Ubuntu18.04不需要额外配置。

Pangolin

Pangolin是一个用来可视化的库，ORB-SLAM2用它来进行可视化和人机交互。其下载和安装教程可见：(https://github.com/stevenlovegrove/Pangolin)。跟随该安装教程进行即可。其中，对于Pangolin的依赖项，我只安装了Required Dependencies和Recommended Dependencies。之后按照cmake工程编译的方法进行编译即可。

OpenCV

OpenCV肯定是必不可少的了。其下载和安装教程可见：(https://opencv.org/releases/)。找到需要的OpenCV版本，对于Linux系统，应点击其中Sources，下载一个压缩文件，下载完成后应对其进行解压。其安装教程可见：(https://docs.opencv.org/4.2.0/d7/d9f/tutorial_linux_install.html)。

注：官方文档中提到他们测试了OpenCV 2.4.11和OpenCV 3.2，我使用的是OpenCV3的最新版——OpenCV 3.4.9。

Eigen3

Eigen3作为矩阵运算库，当然也是必不可少的。其下载和安装教程可见：(http://eigen.tuxfamily.org)。在ubuntu中，可以直接使用 sudo apt-get install libeigen3-dev进行安装。

注：关于Eigen3的安装路径，如果出现程序include不到Eigen3的情况，可以参考 (https://www.cnblogs.com/newneul/p/8256803.html) 对Eigen3的位置进行调整。

DBoW2 & g2o（已包含在ORB-SLAM2库的第三方文件夹中）

ORB-SLAM2使用DBoW2库的改进版进行场景识别，使用g2o库来进行非线性优化。这俩都包含在ORB-SLAM2的第三方库中，不需要自己额外安装，它们的编译会和ORB-SLAM2库的编译一起进行。

安装ORB-SLAM2

在上述依赖全部安装完毕后（除了DBoW2 & g2o），可以开始进行ORB-SLAM2的配置安装。

clone该repo：

git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2

使用build.sh脚本安装ORB-SLAM2和第三方库：

cd ORB_SLAM2

chmod +x build.sh

./build.sh

注：在我编译ORB-SLAM2时，报错：error: usleep is not declared this scope。google后发现，在raulmur/ORB_SLAM2的Issues中，有很多人都遇到了这个问题(Issues/337)。其解决方法很简单，参照Acerlon的回答，只需在/include/System.h文件中添加头文件#include <unistd.h>即可。虽然不知道为什么源码中没有include该头文件……

运行示例

ORB-SLAM2提供了KITTI/TUM/EuRoC数据集下的运行示例。官方文档Monocular Examples Stereo Examples RGB-D Example提供了详细的在不同数据集上运行的教程。注意不同的相机类型对应着不同的数据集，也对应着不同的运行方法。

下面就举两个我运行了的示例，以TUM数据集中的fr1/desk视频序列为例。该数据集下载链接为(https://vision.in.tum.de/data/datasets/rgbd-dataset/download)，找到其中fr1/desk序列，点击tgz下载压缩文件，之后进行解压。

单目示例

根据教程中所述，运行单目TUM示例的命令为

# ./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUMX.yaml PATH_TO_SEQUENCE_FOLDER

对应不同的具体视频序列需要对该命令进行调整：

调整TUMX.yaml：如果视频序列是freiburg1(fr1)目录下的，则改为TUM1.yaml;如果视频序列是freiburg2(fr2)目录下的，则改为TUM2.yaml;如果视频序列是freiburg3(fr3)目录下的，则改为TUM3.yaml;
调整PATH_TO_SEQUENCE_FOLDER：将其改为刚才解压后视频序列文件夹的路径。

所以，在我的机器上，TUM数据集fr1/desk序列对应的单目SLAM运行命令就是：在ORB_SLAM2文件夹下的终端中输入

./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM1.yaml ../rgbd_dataset_freiburg1_desk

注：在我第一次运行的过程中，会有提示：Failed to load module "canberra-gtk-module"，虽然感觉不影响运行，但还是解决了它为好。

解决方法：

sudo apt-get install libcanberra-gtk-module

运行效果如下：

RGB-D示例