保姆级-ubuntu安装AirSLAM(AirVO)环境

AirVO立体视觉测距系统介绍与部署

原创已于 2024-12-29 17:47:09 修改 · 1.2k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#ubuntu #linux #算法 #opencv

于 2024-12-29 12:45:04 首次发布

该文章已生成可运行项目，

一.简述：

AirVO是一个基于点和线特征的光照稳健和准确的立体视觉测距（VO）系统。它是一个混合VO系统，结合了传统优化技术的效率和基于学习方法的鲁棒性。为了对光照变化具有鲁棒性，将基于学习的特征提取（SuperPoint）和匹配（SuperGlue）方法引入该系统。此外，还为VO提出了一个新的线条处理管道，该管道将二维线条与图像上基于学习的二维点联系起来，从而导致更强大的特征匹配和三角计算。这种新方法提高了VO的准确性和可靠性，特别是在有光照挑战的环境中。通过使用Nvidia TensorRT Toolkit加速CNN和GNN部分，点特征检测和匹配实现了比原始代码快5倍以上。该系统在Nvidia Jetson AGX Xavier（一种低功耗的嵌入式设备）上的运行速度约为15Hz，在笔记本电脑上的运行速度为40Hz。

二.依赖环境：

AirVO 环境依赖的组件非常之多，各组件也都有一些子依赖：

OpenCV 4.2
Eigen 3
Ceres 2.0.0
G2O (tag:20230223_git)
TensorRT 8.6.1.6
CUDA 12.1
python
ROS noetic
Boost

三. 部署安装：

1.1 opencv安装：

1.安装依赖：
apt-get install build-essential
apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

2. 安装opencv：
mkdir ~/opencv && cd ~/opencv
wget "https://github.com/opencv/opencv/archive/4.2.0.zip"
wget "https://github.com/opencv/opencv_contrib/archive/4.2.0.zip"
unzip 4.2.0.zip
unzip 4.2.0.zip.1
mv opencv_contrib-4.2.0  opencv-4.2.0/
 
cd ~/opencv
mkdir build
cd build

//opencv install path is /usr/local/opencv-4.2.0/
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local/opencv-4.2.0/ ../opencv-4.2.0

make -j7 # runs 7 jobs in parallel（启动线程数）
make install

1.2 测试安装：

 cd ~ && git clone https://github.com/opencv/opencv_extra.git

将OPENCV_TEST_DATA_PATH环境变量设置为<路径到 opencv_extra/testdata>。
export OPENCV_TEST_DATA_PATH=~/root/opencv_extra/testdata

执行<cmake_build_dir>/bin/opencv_test_core
cd ~/opencv/build/
bin/bin/opencv_test_core

2.1 Eigen 3 安装：（部分系统默认已安装）

apt-get install libeigen3-dev

3.1 Ceres 2.0.0安装:

1. 安装基础依赖(多数已安装)：
apt-get install cmake
apt-get install libgoogle-glog-dev libgflags-dev
apt-get install libatlas-base-dev
apt-get install libeigen3-dev
apt-get install libsuitesparse-dev


2. 安装ceres
wget http://ceres-solver.org/ceres-solver-2.0.0.tar.gz
tar fxvz ceres-solver-2.0.0.tar.gz
mkdir ceres-bin
cd ceres-bin
cmake ../ceres-solver-2.2.0
make -j3
make test
make install

3.2 测试验证：

#bin/simple_bundle_adjuster ../ceres-solver-2.2.0/data/problem-16-22106-pre.txt

4. G2O(tag:20230223_git)安装：

wget https://github.com/RainerKuemmerle/g2o/archive/refs/tags/20230223_git.tar.gz
tar fxvz 20230223_git.tar.gz
cd g2o-20230223_git
mkdir build
cd build
cmake ../
make
make install

5. TensorRT 8.4安装：

找个地方解压出来就可以，不需要编译，这里选择：
https://developer.nvidia.com/compute/machine-learning/tensorrt/secure/8.4.3/tars/tensorrt-8.4.3.1.linux.x86_64-gnu.cuda-11.6.cudnn8.4.tar.gz

解压后，移动到/usr/local/TensorRT-8.4.3.1
tar xzvf TensorRT-8.4.3.1.Linux.x86_64-gnu.cuda-11.6.cudnn8.4.tar.gz
mv TensorRT-8.4.3.1 /usr/local
添加环境变量到～/.bashrc: 
export LD_LIBRARY_PATH=/usr/local/TensorRT-8.4.3.1/lib:$LD_LIBRARY_PATH
export LIBRARY_PATH=/usr/local/TensorRT-8.4.3.1/lib:$LIBRARY_PATH
为了避免其它软件找不到 TensorRT 的库，建议把 TensorRT 的库和头文件添加到系统路径下:
ln -s /usr/local/TensorRT-8.4.3.1/lib/* /usr/local/lib/
ln -s /usr/local/TensorRT-8.4.3.1/include/* /usr/local/include/

6.1 cuda安装：

 1. 需要先禁用nouveau驱动，可通过lsmod | grep nouveau查看，如果没有输出，表示禁用。

 如果没有禁用，需要禁用： 

 vim /etc/modprobe.d/nvidia-installer-disable-nouveau.conf （新建）

 内容： 

 blacklist nouveau

 options nouveau modeset=0 (需要重启系统？)

 通过ubuntu-drivers devices 查看可安装的驱动， 通常安装recommended的。 

 sudo apt install nvidia-driver-535



 安装后，重启系统，查看是否生效： 

 nvidia-smi

6.2 安装cuda：

通过https://developer.nvidia.com/cuda-toolkit-archive ，选择对应的版本：

这里生成的信息是： 
 wget https://developer.download.nvidia.com/compute/cuda/11.6.2/local_installers/cuda_11.6.2_510.47.03_linux.run
 sudo sh cuda_11.6.2_510.47.03_linux.run

 选择：Continue --->accept--->因为之前已经安装了驱动，不选择(去掉510驱动前的[X])--->Choose components to upgrade

 安装后，会在/usr/local下生成两个文件夹: cuda(软链)、cuda-11.6

 查看版本：  /usr/local/cuda/bin/nvcc --version


配置环境变量：vim .bashrc
export CUDA_HOME=/usr/local/cuda-11.6
export LD_LIBRARY_PATH=/usr/local/TensorRT-8.4.3.1/lib:$LD_LIBRARY_PATH:$CUDA_HOME/lib64
export PATH=$PATH:$CUDA_HOME/bin

source .bashrc

6.3 安装cudnn ：

通过https://developer.nvidia.com/rdp/cudnn-archive 下载：

选择对应的版本：

下载后，解压： 
tar -xvf cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive.tar.xz
mv cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive /usr/local
cd cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive
cp lib/libcudnn* /usr/local/cuda-11.6/lib64
cp include/cudnn* /usr/local/cuda-11.6/include/

7. onnx安装：

 pip(3)  install onnx

8. 安装配置ROS Noetic:

配置ros源：
sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'
添加key：
sudo apt install curl # if you haven't already installed curl
curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc | sudo apt-key add -
安装：
sudo apt update  # 更新apt软件源
sudo apt install ros-noetic-desktop-full  # 安装ROS

环境配置：
echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc  # 设置环境变量
source ~/.bashrc  # 使设置生效

安装其他依赖：
sudo apt install python3-rosdep python3-rosinstall python3-rosinstall-generator python3-wstool build-essential

初始化rosdep：

sudo apt install python3-rosdep

sudo rosdep init

rosdep update

执行roscore：

9. 安装Boost：

 apt-get install libboost-all-dev

10. 安装Glog：

git clone https://github.com/google/glog.git
cd glog
mkdir build
cd build
cmake ../  （依赖cmake 3.22+ ，可能需要升级）
make
make install

11.安装AirVO

mkdir ～/catkin_ws/src -p
cd ～/catkin_ws/src
git clone https://github.com/xukuanHIT/AirVO.git
cd ../
catkin_make
source ~/catkin_ws/devel/setup.bash

本文章已经生成可运行项目