精华内容
下载资源
问答
  • Orb_slam2_ros 具有ROS接口的ORB_SLAM2此存储库是ROS中的ORB-SLAM2的简单演示。 从SLAM生成的数据(例如相机姿态,关键帧轨迹和点云)将发布在ROS中。 在此根目录中独立编译Pangolin 运行build.sh来编译项目 运行...
  • 安装RGBD_ORB_SLAM2_RT 基于XTION(RGBD传感器)的基于ORB_SLAM2的实时环境重建 介绍 这是基于和的修改版本,感谢劳尔和高的出色工作! 这与XTION一起工作,从而使我们获得了rgb图像和深度图像,并通过传感器的轨迹...
  • ORB_SLAM2_Android, 在Android中,一个 ORB_SLAM2 这里项目的为这个项目是基于Raul的mur artal项目的ORB_SLAM2版本的Android版本: ORB_SLAM2 。作者:英镑如果有人想只对它进行一次测试,请按以下步骤操作: ORB_...
  • orb_slam2_demo

    2018-03-06 11:12:42
    orb_slam2 demo, orb_slam2 单目测试, orb_slam2 demo, orb_slam2 单目测试
  • RGBD_ORB_SLAM2_RT 基于XTION(RGBD传感器)的基于ORB_SLAM2的实时环境重建 介绍 这是基于和的修改版本,感谢劳尔和高的出色工作! 这与XTION一起工作,从而使我们获得了rgb图像和深度图像,并通过传感器的轨迹重建...
  • ORB_SLAM2.zip

    2021-04-16 02:13:28
    codes of ORB_SLAM2. easier download
  • ORB_SLAM2_kopfeval-源码

    2021-04-19 17:36:07
    ORB_SLAM2_kopfeval 这是没有GUI和穿山甲的ORB_SLAM2,用于Silexica SLX C / C ++分析。 如何使用 克隆此存储库后,执行“ clone.sh”以克隆相关存储库并下载数据集。 如果要重新克隆相关的存储库,请在重新执行“ ...
  • ORB_SLAM2配置过程

    万次阅读 多人点赞 2019-05-24 10:00:35
    ORB_SLAM2配置过程 本文记录了ORB_SLAM在Ubuntu16.04中的配置过程,并且包含ROS 环境下ROB_SLAM的配置。 1、背景 ORB-SLAM是由Raul Mur-Artal,J. M. M. Montiel和Juan D. Tardos于2015年发表在IEEE Transactions...

    ORB_SLAM2配置过程

    本文记录了ORB_SLAM在Ubuntu16.04中的配置过程,并且包含ROS 环境下ROB_SLAM的配置。

    1、背景

    ORB-SLAM是由Raul Mur-Artal,J. M. M. Montiel和Juan D. Tardos于2015年发表在IEEE Transactions on Robotics。ORB-SLAM是一个基于特征点的实时单目SLAM系统,在大规模的、小规模的、室内室外的环境都可以运行。该系统对剧烈运动也很鲁棒,支持宽基线的闭环检测和重定位,包括全自动初始化。该系统包含了所有SLAM系统共有的模块:跟踪(Tracking)、建图(Mapping)、重定位(Relocalization)、闭环检测(Loop closing)。由于ORB-SLAM系统是基于特征点的SLAM系统,故其能够实时计算出相机的轨线,并生成场景的稀疏三维重建结果。ORB-SLAM2在ORB-SLAM的基础上,还支持标定后的双目相机和RGB-D相机。

    接下来介绍一下ORB_SLAM的配置过程。

    2、配置过程

    2.1、安装工具

    在配置过程中需要cmake、gcc、g++和Git工具。可在终端通过以下命令下载。

     sudo apt-get install cmake
    
     sudo apt-get install git
    
     sudo apt-get install gcc g++  
    

    2.2、安装Pangolin

    Pangolin是对OpenGL进行封装的轻量级的OpenGL输入/输出和视频显示的库。可以用于3D视觉和3D导航的视觉图,可以输入各种类型的视频、并且可以保留视频和输入数据用于debug。

    在安装Pangolin之前,先要安装必要的依赖项:

     sudo apt-get install libglew-dev
    
     sudo apt-get install libboost-dev libboost-thread-dev libboost-filesystem-dev
    
     sudo apt-get install libpython2.7-dev
    

    安装完依赖项后可以通过以下命令安装Pangolin:

    git clone https://github.com/stevenlovegrove/Pangolin.git
    mkdir build
    cd build
    cmake -DCPP11_NO_BOOSR=1 ..
    make -j
    

    2.3、安装OpenCV

    安装OpenCV的过程另外单独介绍。

    2.4、 安装Eigen

    可以通过一下命令来安装Eigen库。

    sudo apt-get install libeigen3-dev
    

    一般的库由头文件和库文件组成。Eigen头文件的默认位置在 “usr/include/eigen3” 中。如果不确定,可以输入以下命令查找:

    sudo updatedb
    locate eigen3
    

    相比于其他库,Eigen的神奇之处在于,它是一个纯用头文件搭起建起来的库。这意味着你只能找到它的头文件,而没有.so或.a那样的二进制文件。在使用时只需引入Eigen的头文件即可,不需要链接库文件(因为它没有库文件)。要使用Eigen库,需要在cmake工程中的CMakeLists.txt文件中指定Eigen的头文件目录:

    #添加Eigen库头文件
    include_directories("/usr/include/eigen3")
    

    2.5、安装ORB_SLAM 2

    选择放置ORB_SLAM2工程的文件夹(如果需要在ROS环境下运行ORB_SLAM,最好将工程放在catkin_ws/src文件夹下),在该文件夹中打开终端,执行一下命令:

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

    如过需要在ROS环境下运行ORB_SLAM,则需要执行一下命令:

    chmod +x build_ros.sh
    export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:~/catkin_ws/src/ORB_SLAM2/Examples/ROS
    ./build_ros.sh
    

    如果机器性能较低,可以将build.sh文件和build_ros.sh文件中的命令

    make -j
    

    全部改为

    make
    

    3、运行ORB_SLAM2

    编译完成后会在ORB_SLAM2/Examples文件夹下生成各种可执行文件。我们以单目情况为例,展示如何运行ORB_SLAM2程序。

    3.1、下载数据集

    我们使用KITTI数据集中的数据运行ORB_SLAM2。KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办,是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo),光流(optical flow),视觉测距(visual odometry),3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技术在车载环境下的性能。KITTI包含市区、乡村和高速公路等场景采集的真实图像数据,每张图像中最多达15辆车和30个行人,还有各种程度的遮挡与截断。整个数据集由389对立体图像和光流图,39.2 km视觉测距序列以及超过200k 3D标注物体的图像组成,以10Hz的频率采样及同步。

    我们可以通过如下链接进行下载:http://www.cvlibs.net/datasets/kitti/eval_odometry.php

    3.2、运行ORB_SLAM

    在ORB_SLAM2文件夹下打开终端,执行以下命令来运行程序:

    ./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER
    

    KITTI数据集有多组数据,不同的数据集需要选择不同的配置文件。所以我们需要根据KITTI数据集中数据编号来修改以上命令。以KITTI中第00组数据为例,在终端输入一下命令:

    ./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTI00-02.yaml PATH_TO_DATASET_FOLDER/dataset/KITTI/sequences/01
    

    其中PATH_TO_DATASET_FOLDER指KITTI数据集所在文件夹的路径。

    运行之后效果如下图所示:
    在这里插入图片描述

    4、配置过程中遇到的问题

    4.1 编译build_ros.sh出现的错误

    执行

    ./build_ros.sh
    

    出现如下错误:

    /home/nvidia/ORB-SLAM2-Sample/Examples/ROS/ORB_SLAM2/../../../Thirdparty/g2o/g2o/types/se3quat.h:32:22: fatal error: Eigen/Core: 没有那个文件或目录
    compilation terminated.
    CMakeFiles/RGBD.dir/build.make:119: recipe for target 'CMakeFiles/RGBD.dir/src/ros_rgbd.cc.o' failed
    make[2]: *** [CMakeFiles/RGBD.dir/src/ros_rgbd.cc.o] Error 1
    CMakeFiles/Makefile2:67: recipe for target 'CMakeFiles/RGBD.dir/all' failed
    make[1]: *** [CMakeFiles/RGBD.dir/all] Error 2
    Makefile:127: recipe for target 'all' failed
    make: *** [all] Error 2
    
    

    解决方法: 将相应的.h文件中,eigen的引用进行修改。如

    #include<Eigen/Dense>
    

    修改为

    #include<eigen3/Eigen/Dense>
    

    4.2、usleep问题

    执行

    ./build_ros.sh
    

    出现如下错误:

    /home/nvidia/MYNT-EYE-ORB-SLAM2-Sample/Examples/ROS/ORB_SLAM2/src/AR/ViewerAR.cc:233:23: error: ‘usleep’ was not declared in this scope
             usleep(mT*1000);
                           ^
    CMakeFiles/MonoAR.dir/build.make:200: recipe for target 'CMakeFiles/MonoAR.dir/src/AR/ViewerAR.cc.o' failed
    make[2]: *** [CMakeFiles/MonoAR.dir/src/AR/ViewerAR.cc.o] Error 1
    CMakeFiles/Makefile2:857: recipe for target 'CMakeFiles/MonoAR.dir/all' failed
    make[1]: *** [CMakeFiles/MonoAR.dir/all] Error 2
    Makefile:127: recipe for target 'all' failed
    make: *** [all] Error 2
    
    

    解决方法:在相应的文件里面添加usleep 的头文件unistd.h,如下:

    #include<unistd.h>
    

    4.3 boost库问题

    执行

    ./build_ros.sh
    

    出现如下错误:

    0%] Built target rosbuild_precompile
    make[2]: *** No rule to make target '/opt/ros/kinetic/lib/libopencv_calib3d3.so.3.2.0', needed by '../Mono'. Stop.
    CMakeFiles/Makefile2:718: recipe for target 'CMakeFiles/Mono.dir/all' failed
    make[1]: *** [CMakeFiles/Mono.dir/all] Error 2
    make[1]: *** Waiting for unfinished jobs....
    make[2]: *** No rule to make target '/opt/ros/kinetic/lib/libopencv_calib3d3.so.3.2.0', needed by '../RGBD'. Stop.
    CMakeFiles/Makefile2:67: recipe for target 'CMakeFiles/RGBD.dir/all' failed
    make[1]: *** [CMakeFiles/RGBD.dir/all] Error 2
    make[2]: *** No rule to make target '/opt/ros/kinetic/lib/libopencv_calib3d3.so.3.2.0', needed by '../Stereo'. Stop.
    CMakeFiles/Makefile2:104: recipe for target 'CMakeFiles/Stereo.dir/all' failed
    make[1]: *** [CMakeFiles/Stereo.dir/all] Error 2
    make[2]: *** No rule to make target '/opt/ros/kinetic/lib/libopencv_calib3d3.so.3.2.0', needed by '../MonoAR'. Stop.
    CMakeFiles/Makefile2:820: recipe for target 'CMakeFiles/MonoAR.dir/all' failed
    make[1]: *** [CMakeFiles/MonoAR.dir/all] Error 2
    Makefile:127: recipe for target 'all' failed
    make: *** [all] Error 2
    

    解决方法: 修改Examples/ROS/ORB_SLAM2/文件夹下的CMakeLists.txt文件。

    set(LIBS 
    ${OpenCV_LIBS} 
    ${EIGEN3_LIBS}
    ${Pangolin_LIBRARIES}
    ${PROJECT_SOURCE_DIR}/../../../Thirdparty/DBoW2/lib/libDBoW2.so
    ${PROJECT_SOURCE_DIR}/../../../Thirdparty/g2o/lib/libg2o.so
    ${PROJECT_SOURCE_DIR}/../../../lib/libORB_SLAM2.so
    )
    

    修改为

    set(LIBS 
    ${OpenCV_LIBS} 
    ${EIGEN3_LIBS}
    ${Pangolin_LIBRARIES}
    ${PROJECT_SOURCE_DIR}/../../../Thirdparty/DBoW2/lib/libDBoW2.so
    ${PROJECT_SOURCE_DIR}/../../../Thirdparty/g2o/lib/libg2o.so
    ${PROJECT_SOURCE_DIR}/../../../lib/libORB_SLAM2.so
    -lboost_system
    )
    

    至于其它问题,以后遇到在做记录。

    展开全文
  • ORB_SLAM2.tar.gz

    2019-09-19 18:16:00
    1.对出现的错误进行调试。...2.对ORB_SLAM2/Examples/ROS/ORB_SLAM2/ros_mono.cc进行修改,成功实现在ROS下使用摄像头运行ORB_SLAM2,并可以保存和加载地图。 3.部分修改有参考其他答案呢,如有侵权,请留言。
  • ORB_SLAM2源码中文注释.zip
  • Issue running orb_slam2_ros

    2020-12-02 06:44:13
    <div><p>When I run orb_slam2_ros, I am able to get the image from the subscribed topic. e.g. /usb_cam/image_raw but I get an error on the console saying: Map Point Vector is empty!. What's the ...
  • ORB_SLAM2::Initializer 用于单目情况下的初始化。 Initializer 的构造函数中传入第一张影像,这张影像被称作 reference frame(rFrame)。在获得第二张影像时传入第二张影像,这张影像被称作 current frame(cFrame...

    ORB_SLAM2::Initializer 用于单目情况下的初始化。

    Initializer 的构造函数中传入第一张影像,这张影像被称作 reference frame(rFrame)。在获得第二张影像时传入第二张影像,这张影像被称作 current frame(cFrame)。这一部分传入的代码可以在ORB_SLAM2::Tracking::MonocularInitialization()中查看,要求 rFrame 与 cFrame 都至少具有 101 个特征点,而且 cFrame 与 rFrame 粗匹配结果不少于 100 个点对。这个粗匹配也很有意思,可以查看ORBmatcher::SearchForInitalization()(粗匹配是对每一个 rFrame 的特征点选定一定大小的窗口,以该特征点在 rFrame 上的坐标为中心,在 cFrame 上提取出覆盖网格内所有的特征点,计算 ORB 描述子的距离,距离够小就说明是匹配点)。

    Initializer::Initialize()

    在这个函数中完成初始化。首先生成 RANSAC 需要用的最小子集的集合mvSets。随后开两个线程同步进行FindHomographyFindFundamental,这两个函数分别返回SHSF这两个数值用于判定是使用 H 作为初始模型更好,还是用 F 作为初始模型更好。

    在用SHSF判定是使用 H 还是 F 之后就是用 H (ReconstructH())或 F (ReconstructF())生成 R、t 和对应的可以三角化的点用于初始地图生成。

    ReconstructH() 是使用 Motion and structure from motion in a piecewise planar
    environment
    生成 8 种可能结果,再使用CheckRT()确定是哪一种最为合适。

    Initializer::FindHomography()

    每次使用 8 个点通过 SVD 分解计算得到 H21。值得注意的是在进行 Homography 计算之前先进行归一化过程(在函数Normalize()中进行)。

    Initializer::Normalize()

    归一化过程是将所有的 KeyPoints 进行一次 Affine Transformation,使得变换后的 KeyPoints 均值为原点 \(0\),方差为单位阵 \(I\)

    变换公式为:

    \[ x_i^{\prime} = {x_i - \bar{x} \over \sigma} \\ \bar{x} = {\Sigma{x_i} \over N} \\ \sigma = {\Sigma{\left|x_i - \bar{x}\right|} \over N} \]

    归一化的原因是计算出的 H 会依赖于特征点的位置,所以先归一化再计算。(MVG Page 104

    归一化的过程可以使用一个矩阵 \(T\) 表示:

    \[ x^{\prime} = Tx = \begin{bmatrix} {1 \over \sigma_x} & 0 & \bar{x}{1 \over \sigma_x} \\ 0 & {1 \over \sigma_y} & \bar{y}{1 \over \sigma_y} \\ 0 & 0 & 1 \end{bmatrix} x \]

    后面的计算过程如下:

    \[ x_2^{\prime} = H_{21}^{\prime}x_1^{\prime} \]

    \[ Tx_2 = H_{21}^{\prime}Tx_1 \]

    \[ x_2 = T^{-1}H_{21}^{\prime}Tx_1 \]

    \[ H_{21} = T^{-1}H_{21}^{\prime}T \]

    Initializer::ComputeH21()

    在归一化之后,使用归一化的坐标计算 Homography。

    没啥好讲,就是 Direct Linear Transformation,参考 MVG Page 88

    Initializer::CheckHomography()

    用 H21 和 H12 分别将 rFrame(1) 中的特征点和 cFrame(2) 转换到另一张影像中,计算匹配点的距离误差,距离误差转换为卡方距离,卡方距离小于 5.991 说明显著性为 5%,应该认为它们匹配成功,否则不成功将这一对匹配标记为 false。注意这里有两个自由度。

    https://en.wikipedia.org/wiki/Chi-squared_distribution#Table_of_.CF.872_values_vs_p-values

    匹配成功能就能将于显著性相关的数值加入到评分中,评分越高说明由这八个点计算出的 Homography 越正确。即由CheckHomography()返回的评分currentScore,取 RANSAC 中评分最高的 Homography 作为最终选定的 Homography。

    这个 score 会被传入Initialize()函数中的 SH,用作计算 SH/(SH+SF),判断是使用 Homography 还是 Fundamental。

    Initializer::ReconstructH()

    用函数FindHomography()中 RANSAC 计算得到的 Homography 分解,分解能够得到 8 种可能的 \(R, t\) 结果,用CheckRT()判断选择哪一种结果。

    好像这有点错了吧,应该用所有的 inlier 匹配计算 Homography,再用这个更靠谱的 Homography 分解计算 \(R, t\)

    函数ReconstructH()最后也输出三角化成功的三维点。

    Initializer::FindFundamental()

    FindFundamental()的计算过程与 FindHomography 类似,都是需要进行归一化操作

    函数ComputeF21()用八点法计算 Fundamental,计算得到的实际 Fundamental 通过设置最小特征值为 0 投影到 Fundamental 空间,作为输出。

    函数CheckFundamental()是将点与线的距离作为误差,计算卡方距离,注意这里有一个自由度,所以显著性检验使用的卡方距离为 3.84。

    都差不多,没啥好说的。

    Initializer::CheckRT()

    这个函数挺重要的,因为分解 H 和 F 都会有很多可能的结果,使用这个函数能够分辨出什么结果是靠谱的。

    函数CheckRT()接受 \(R, t\) ,一组成功的匹配。最后给出的结果是这组匹配中有多少匹配是能够在这组 \(R, t\) 下正确三角化的(即 \(Z\) 都大于0),并且输出这些三角化之后的三维点。

    如果三角化生成的三维点 \(Z\) 小于等于0,且三角化的“前方交会角”(余弦是 cosParallax)不会太小,那么这个三维点三角化错误,舍弃。

    通过了 \(Z\) 的检验,之后将这个三维点分别投影到两张影像上,计算投影的像素误差,误差大于2倍中误差,舍弃。

    总结

    ORB 里面对通过“最大值”确定的结果都非常小心。一般要求这个“最大值” outstanding,如 ORBmatcher 的构造函数中就有会传入一个 (0,1) 的数值给成员变量 mfNNratio,只有最小距离小于次小距离的 mfNNratio 倍才能算是匹配成功,不允许出现相似的匹配,而取好那么一点点的匹配作为匹配结果。

    Initializer::ReconstructH()中最后 8 个可能结果中,最好模型 inlier 数要大于次好模型 inlier 的 1/0.75 倍。

    转载于:https://www.cnblogs.com/JingeTU/p/6481806.html

    展开全文
  • 编译ORB_SLAM2

    2020-02-22 11:09:11
    环境:ubuntu16.04 ROS kinetic ...cd projects/ORB_SLAM2ws mkdir src catkin_make 2.在 /src 目录下: git clone https://github.com/raulmur/ORB_SLAM2.git 3.构建 ORB_SLAM2: cd ORB_SLAM2 sudo ...

    环境:ubuntu16.04  ROS kinetic

    1. 建立 ROS 工作空间:

    cd projects/ORB_SLAM2ws
    mkdir src
    catkin_make

    2.在 /src 目录下:

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

    3.构建 ORB_SLAM2:

    cd ORB_SLAM2
    sudo chmod +x build.sh
    ./build.sh
    
    chmod +x build_ros.sh
    ./build_ros.sh
    
    cd 
    gedit .bashrc
    在末尾加上:
    export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:/home/【本机】/projects/ORB_SLAM2ws/src/ORB_SLAM2/Examples/ROS

    编译 ./build_ros.sh 时可能报错

    解决方法是修改/ORB_SLAM2/Examples/ROS/ORB_SLAM2/CmakeLists.txt,添加一句

    #新加
    find_package(Boost COMPONENTS filesystem system REQUIRED) 
    set(LIBS 
    ${OpenCV_LIBS} 
    ${EIGEN3_LIBS}
    #新加
    ${Boost_LIBRARIES} 
    ${Pangolin_LIBRARIES}
    ${PROJECT_SOURCE_DIR}/../../../Thirdparty/DBoW2/lib/libDBoW2.so
    ${PROJECT_SOURCE_DIR}/../../../Thirdparty/g2o/lib/libg2o.so
    ${PROJECT_SOURCE_DIR}/../../../lib/libORB_SLAM2.so
    )

     

    展开全文
  • ORB_SLAM2_Map 基于XTION(RGBD传感器)的基于ORB_SLAM2的实时环境重建 介绍 这是基于和的修改版本,感谢劳尔和高的出色工作! 这与XTION一起工作,从而使我们获得了rgb图像和深度图像,并通过传感器的轨迹重建了...
  • ORB_SLAM2配置

    2020-04-30 10:42:33
    依赖 1、Pangolin 直接按照官网 2、OpenCV 使用ubuntu自带版本即可 3、Eigen3 最好换成3.1.0版本,不然可能会出现运行之后过几帧就Segmentation fault的情况。...cd ORB_SLAM2 chmod +x build.sh...

    依赖
    1、Pangolin
    直接按照官网

    2、OpenCV
    使用ubuntu自带版本即可

    3、Eigen3
    最好换成3.1.0版本,不然可能会出现运行之后过几帧就Segmentation fault的情况。
    先卸载:

    sudo updatedb  
    locate eigen3  
    sudo rm -rf /usr/include/eigen3 /usr/lib/cmake/eigen3 /usr/share/doc/libeigen3-dev /usr/share/pkgconfig/eigen3.pc /var/lib/dpkg/info/libeigen3-dev.list /var/lib/dpkg/info/libeigen3-dev.md5sums  
    

    后安装
    下载地址
    解压之后在解压得到的文件夹中运行

    mkdir build  
    cd build  
    cmake ..  
    sudo make install
    

    ORB_SLAM2源码安装

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

    编译ROS接口
    .bashrc中加入

    export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:PATH/ORB_SLAM2/Examples/ROS
    

    path_to/orb_slam2/ORB-SLAM2_RGBD_DENSE_MAP/Examples/ROS/ORB_SLAM2/src/ros_rgbd.cc
    中将

    message_filters::Subscriber<sensor_msgs::Image> rgb_sub(nh, "/camera/color/image_raw", 1);
    message_filters::Subscriber<sensor_msgs::Image> depth_sub(nh, "/camera/aligned_depth_to_color/image_raw", 1);
    

    里面RGB图像和深度图像话题名称改为自己相机发布的话题名称。
    之后运行

    chmod +x build_ros.sh
    ./build_ros.sh
    

    跑稠密显示点云节点只有坐标系没有点云时,考虑将源码中的Vocabulary文件夹拷贝到工程根目录中。

    展开全文
  • ROS配置ORB_SLAM2

    2021-03-29 21:49:55
    ORB_SLAM2/ROS的安装,具体安装流程博主之前写过,读者可以自行阅读。   添加环境变量 cd ~ gedit .bashrc export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:PATH/ORB_SLAM2/Examples/ROS 其中PATH为ORB_SLAM2的安装...
  • ORB_SLAM2实战-(ORB_SLAM2-B)

    千次阅读 2018-06-25 17:32:27
    https://www.jianshu.com/p/c3e8c88edb64ORB_SLAM安装源文件目录https://github.com/raulmur/ORB_SLAM2安装orb_slam首先需要安装依赖库安装Pangolinsudo apt-get install libglew-devsudo apt-get install cmakesudo...
  • ORB_SLAM2系列之二:ORB_SLAM2跑单目SLAM

    千次阅读 2017-11-29 22:33:12
    接上一篇ORB_SLAM2系列之一:Ubuntu 14.04 ROS indigo下编译安装ORB_SLAM2,ORB_SLAM2提供了单目,双目和rgbd接口,这里我们先来尝试运行下最简单的单目SLAM(MonoSLAM)。理论上编译成功之后直接进入到ORB_SLAM2/...
  • ORB_SLAM2编译错误

    2021-05-19 23:12:08
    ORB_SLAM2编译错误 错误 make[2]: *** No rule to make target '/home/ubuntu/Pangolin/build/src/libpangolin.so', needed by '../lib/libORB_SLAM2.so'。 停止。 CMakeFiles/Makefile2:178: recipe for target '...
  • An Improved ORB_SLAM2 in Dynamic Scene with Instance Segmentation
  • ORB_SLAM2及相关依赖源码(未编译),可在ubuntu16.04环境下安装实现ORB_SLAM2的使用。安装使用方法可参考:https://blog.csdn.net/sinat_27066063/article/details/90416188
  • ORB_SLAM2|20210204

    2021-02-04 23:50:49
    如何搭建环境运行视觉SLAM十四讲第一版本|第二版本|ORB_SLAM2|3代码? 视觉SLAM十四讲实践系列笔记之ubuntu16.04搭建开发环境安装OpenCV等开源算法库 小白教程之开始学习ORB_SLAM2之前的准备工作 TUM、KITTI、EuRoC...
  • 从零开始跑ORB_SLAM2(零) 安装Ubuntu16.04 LTS 从零开始跑ORB_SLAM2(一) 前期准备与环境配置 从零开始跑ORB_SLAM2(二) 配置ROS Kinenit环境并测试Realsense D435相机 工作环境 PC:i5-8265U 8GRAM 核显 弟弟CPU ...
  • ORB_SLAM2的安装、配置与应用一、安装的工具二、安装Pangolin三、安装OpenCV四、安装Eigen五、安装ORB_SLAM2六、运行单目SLAM实例七、实验遇见的问题与解决方法八、参考文献 一、安装的工具 配置过程中所需要cmake、...
  • ORB_SLAM2 源码阅读 ORB_SLAM2::ORBextractor

    千次阅读 2017-09-08 16:42:12
    ORB_SLAM2 源码阅读 ORB_SLAM2::ORBextractor 整体架构 构造函数进行初始化,传入设定几个重要的成员变量。nfeatures(特征点的个数)、nlevels(构造金字塔的层数)、scaleFactor(金字塔中相邻层图像...
  • ORB_SLAM2_Android

    2017-08-17 18:55:00
    链接:https://github.com/FangGet/ORB_SLAM2_Android README.md 说明文件 This Project is out of date 该...This project is an Android version for ORB_SLAM2 based on Raul Mur-Artal's opensource project:...
  • ORB_SLAM2在Android上的移植过程-附件资源

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,673
精华内容 1,469
关键字:

orb_slam2