ORB_SLAM3在ubuntu18.04安装和初步测试+轨迹评估

目录

一、写在前面

二、各类依赖包安转

三、ORB_SLAM3编译

四、MH04测试

五、评估对比

---

一、写在前面

ORB_SLAM3在2020年下半年提出，其为ORB_SLAM系列中比较完整的视觉SLAM系统，支持单目、双目、RGB-D和IMU的各种组合。小编现在才尝试，但也不晚，一起来看看吧。

期间参考了这篇不错的博客：https://blog.youkuaiyun.com/holly_Z_P_F/article/details/118031317

二、各类依赖包安转

1. Eigen3 注意选择是3.2.1版本，矩阵库。

2. opencv 注意选择是3.x.x版本，视觉必备库。

3. Pangolin 选择稳定版本即可，基于Qt编写，用于显示图像。

4. Boost 选择稳定版本即可，推荐1.75.0版本，ORB_SLAM3用了Boost的Serialization库。

以上参考上述给出的博客分别安装即可，写得不错的博客小编也是无偿引流的😀。

5. ORB_SLAM3的源码获取：git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git

如果下载比较慢，可以尝试：git clone https://hub.fastgit.org/UZ-SLAMLab/ORB_SLAM3.git 

三、ORB_SLAM3编译

上述依赖安转完成后，基本没啥问题，那么就可以运行build.sh编译脚本了，运行之前将make换成make -j1，避免电脑卡死，尤其是编译orb_slam3的时候。小编的编译过程很顺利，没有出现博客所说的Bug。

四、MH04测试

下载测试数据：kmavvisualinertialdatasets – ASL Datasets，这里下载的是MH04。解压后将mav0放在新创建的MH04文件夹下即可。

 进入Example文件夹，打开euroc_examples.sh文件，查看命令。这里小编以单目+IMU和纯单目作为测试对比。

单目+IMU：./Monocular-Inertial/mono_inertial_euroc ../Vocabulary/ORBvoc.txt ./Monocular-Inertial/EuRoC.yaml “YOUR PATH”/MH04 ./Monocular-Inertial/EuRoC_TimeStamps/MH04.txt dataset-MH04_monoi

纯单目：./Monocular/mono_euroc ../Vocabulary/ORBvoc.txt ./Monocular/EuRoC.yaml “YOUR PATH”/MH04 ./Monocular/EuRoC_TimeStamps/MH04.txt dataset-MH04_mono

五、评估对比

进入Example文件夹，打开euroc_eval_examples.sh文件，查看命令。注意用python2

单目+IMU结果评估：python ../evaluation/evaluate_ate_scale.py "YOUR PATH"/MH04/mav0/state_groundtruth_estimate0/data.csv f_dataset-MH04_monoi.txt --plot MH04_monoi.pdf

单目结果评估：python ../evaluation/evaluate_ate_scale.py "YOUR PATH"/MH04/mav0/state_groundtruth_estimate0/data.csv f_dataset-MH04_mono.txt --plot MH04_mono.pdf

单目+IMU评估结果：

纯单目评估结果： 

单目、单目+IMU、双目、双目+IMU评估对比结果

（1）单目：

 （2）单目+IMU：

（3）双目：

 

 (4)双目+IMU：

由评估结果可初步得到一个不太严谨的推论：

良好的地图点初值和良好的位姿初值是多么的重要。

那在我们实际应用案例中，回环检测相比EKF这类开环的SLAM有什么优势？

**一方面，减少累计误差。

**另一方面，重定位。

回环修正的效果和回环帧的姿态准确性息息相关。一起来入坑吧！！！