视觉SLAM——ORB-SLAM2运行tum数据集，kitti数据集，euroc数据集

已于 2022-05-06 16:41:05 修改
阅读量4.6k 收藏 33
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 视觉SLAM 文章标签： 自动驾驶 人工智能 机器学习
于 2021-04-29 13:22:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_43297891/article/details/116266058
本文详细记录了使用ORB-SLAM2在不同数据集上的运行过程，包括kitti、euroc双目以及tum数据集的步骤和遇到的问题。在尝试kitti数据集时遇到了未解决的错误，而在euroc数据集和tum数据集上则成功运行，并给出了相应的运行结果和参考资源。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

添加环境变量

echo "source ~/catkin_orb_slam2_ws/devel/setup.bash" >> ~/.bashrc
source ~/.bashrc

step2:编译ORB-SLAM2
非ros版本

cd ORB_SLAM2
chmod +x build.sh  //chmod +x的意思就是给执行权限
./build.sh

ros版本


                

                
                
        

    

    
  


        

            

                

                

                了解本专栏
                
                
                  
                订阅专栏 解锁全文
                 
                
                    
                    超级会员免费看
                
            

            
            
            
        


    



                



	

		

			

				
					
ORB-SLAM2算法5之EuRoc、TUM和KITTI开源数据运行ROS版ORB-SLAM2生成轨迹

				
			

			

				

					重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
				

				

					07-20
					
					1018
					
				

			

		

		

			
				
ORB-SLAM2算法1已成功编译安装ROS版本ORB-SLAM2到本地，本篇目的是用EuRoc、TUM、KITTI开源数据来运行ROS版ORB-SLAM2，并生成轨迹。

			
		

	



                

            
              



	

		

			

				
					
ORB-SLAM2算法2之TUM开源数据运行ORB-SLAM2生成轨迹并用evo工具评估轨迹

				
			

			

				

					重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
				

				

					07-12
					
					1702
					
				

			

		

		

			
				
本篇目的是用TUM开源数据来运行ORB-SLAM2，并生成轨迹，最后用evo评估工具来评估ORB-SLAM2生成的轨迹和真值轨迹。

			
		

	



              


  
              

                


	

		

			

				
					
ORB-SLAM2的编译运行以及TUM数据集测试

				
			

			

				

					dibuxue3246的博客
				

				

					02-14
					
					1768
					
				

			

		

		

			
				
ORB-SLAM2的编译运行以及TUM数据集测试
  
徐大徐 



2018.02.06 17:04 字数 1838 阅读 2167评论 0喜欢 2


 近段时间一直在学习高翔博士的《视觉SLAM十四讲》，学了以后发现自己欠缺的东西实在太多，好多都需要深入系统的学习。ORB-SLAM2是一套完整的SLAM方案，提供了单目，双目和RGB-D三种接口。它能...

			
		

	





	

		

			

				
					
Ubuntu18.04 ORB-SLAM2运行TUM数据集

				
			

			

				

					weixin_50106401的博客
				

				

					04-04
					
					2061
					
				

			

		

		

			
				
上述命令中TUM1.yaml对应的是freiburg1数据集，则TUM2.yaml与TUM3.yaml分别对应的是freiburg2数据集与freiburg3数据集。3、运行TUM数据集分为：单目示例运行、双目示例运行与深度示例运行，其中深度示例运行需要使用python脚本associate.py关联RGB图像和深度图像。1、ORB-SLAM2的安装位置为：/home/csim/catkin_ws/src/ORB_SLAM2。（1）下载TUM数据集提供的associate.py 为文件，将其下载到。

			
		

	



		

			
		



	

		

			

				
					
orb-slam2编译，并运行kitti odometry的灰度图数据集

					
最新发布

				
			

			

				

					weixin_45532199的博客
				

				

					06-19
					
					374
					
				

			

		

		

			
				
orb-slam2编译，并运行kitti odometry的灰度图数据集

			
		

	





	

		

			

				
					
ORB-SLAM2运行自己的数据集

				
			

			

				

					sylvester的博客
				

				

					11-08
					
					1万+
					
				

			

		

		

			
				
ORB-SLAM2运行自己的数据集

			
		

	





	

		

			

				
					
Ubuntu18.04 ORB-SLAM2运行TUM数据集并用EVO绘制轨迹

				
			

			

				

					weixin_50106401的博客
				

				

					04-04
					
					1548
					
				

			

		

		

			
				
同样在第2步创建的results文件夹中（也就是用touch创建的freiburg1_desk_groundtruth.txt与touch freiburg1_desk_Trajectory.txt所在位置）在上一步创建的results文件夹中（也就是用touch创建的freiburg1_desk_groundtruth.txt与touch freiburg1_desk_Trajectory.txt所在位置）。中的KeyFrameTrajectory.txt。会生成一个轨迹，其位置在。

			
		

	





	

		

			

				
					
用ORB SLAM2跑自己的图片序列数据集

				
			

			

				

					03-03
				

			

		

		

			
				
ORBSLAM2运行自己的图片序列，首先进行数据准备。我这里是通过摄像头采集到的视频。先要将视频处理成一帧一帧的图片，然后生成rgb.txt。然后运行

			
		

	





	

		

			

				
					
ORB-SLAM 2跑通自己的数据集

				
			

			

				

					01-20
				

			

		

		

			
				
ORB-SLAM 2跑通自己的数据集一 、拍摄视频并转化为图片：二、准备索引目录文件：三、生成自己的参数配置文件TUM.yaml。复制TUM1.yaml，并修改参数即可。四、ORB-SLAM2所在的目录并运行如下命令即可：五、本次实验...

			
		

	





	

		

			

				
					
视觉SLAM ——用TUM数据集测试orb-slam2

				
			

			

				

					qq_43145072的博客
				

				

					01-10
					
					3929
					
				

			

		

		

			
				
测试ubuntu 16.04
STEP1——安装ORBSLAM2依赖项
1.安装 g++11
ORBSLAM2使用了C++11的线程和时间控制函数，所以必须要用支持C++ 11.0的编译器才可以。
$sudo apt-get install gcc g++

2.安装 Pangolin
首先安装Pangolin的依赖项(有些可能依赖项已经安装过，所以请视情况安装)
$ sudo apt-get i...

			
		

	





	

		

			

				
					
【SLAM】运行ORB-SLAM2并使用evo工具评估TUM/KITTI/EuRoC单目数据集

					
热门推荐

				
			

			

				

					Venistar的博客
				

				

					10-19
					
					1万+
					
				

			

		

		

			
				
单目下运行ORB-SLAM2并使用evo工具评估TUM/KITTI/EuRoC数据集1 算法评价指标（1）系统性能评估-绝对轨迹误差(ATE)（2）系统漂移评估-相对轨迹误差(RPE)（3）精度统计量-均方根误差（RMSE）2 安装依赖项（1）Numpy安装（2）SciPy安装（3）matplotlib安装3 evo安装（1）pip安装（2）源码安装（3）测试（4）报错处理4 evo使用（1）轨迹可视化（2）轨迹评估1）计算绝对位姿误差2）计算相对位姿误差（3）结果比较（4）格式转换（5）配置更改（6）时间

			
		

	





	

		

			

				
					
ORB-SLAM2项目数据集运行（一）

				
			

			

				

					sinat_41328554的博客
				

				

					08-04
					
					9555
					
				

			

		

		

			
				
作为一名学习一年的机器视觉的学生，一直以来都没有写过像样点的自己的东西，真的是不像话，虽然有时候觉得会占用一些时间，但是能很大程度上帮助自己理解。 
        从github上可以下载到源码：https://github.com/raulmur/ORB_SLAM，这ORB-SLAM；而ORB—SLAM2的源码地址：https://github.com/raulmur/ORB_SLAM2，对于...

			
		

	





	

		

			

				
					
如何用orbslam2运行数据集以及让自己电脑相机运行单目slam

				
			

			

				

					小王子的博客
				

				

					01-30
					
					2157
					
				

			

		

		

			
				
1、下载orbslam2

https://github.com/raulmur/ORB_SLAM2

2、下载数据集(tum和kitti的)

链接: https://pan.baidu.com/s/1cmPaJF84NNNPMXosds70Zg 提取码: fpje

3、按照orbslam2的readme配置环境

Prerequisites
We have tested the library in **Ubuntu 12.04**, **14.04** and **16.04**, but it .

			
		

	





	

		

			

				
					
ORB-SLAM2算法3之EuRoc开源数据集运行ORB-SLAM2生成轨迹并用evo工具评估轨迹

				
			

			

				

					重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
				

				

					07-17
					
					2577
					
				

			

		

		

			
				
ORB-SLAM2算法1 已成功编译安装ORB-SLAM2到本地，本篇目的是用EuRoc开源数据来运行ORB-SLAM2，并生成轨迹，最后用evo评估工具来评估ORB-SLAM2生成的轨迹和真值轨迹。

			
		

	





	

		

			

				
					
orbslam2+kitti数据集序列图像

				
			

			

				

					wakeup_high的博客
				

				

					04-23
					
					2081
					
				

			

		

		

			
				
经过本次实验，了解了ORB_SLAM2的调用方法，进一步见识到了SLAM的魅力，同时在实验过程中，遇到特别多的bug，最终还是解决了。一定要多尝试，学会搜索，学好English。

			
		

	





	

		

			

				
					
ORB SLAM2学习笔记之mono_kitti（二）

				
			

			

				

					幽冥小龙的博客
				

				

					11-04
					
					1220
					
				

			

		

		

			
				
ORB SLAM2学习笔记之mono_kitti（二）一、流程—Part 2详解 **System.h**
一、流程—Part 2
详解 System.h



			
		

	





	

		

			

				
					
ORB_SLAM2运行TUM数据和实时数据

				
			

			

				

					weixin_42269064的博客
				

				

					08-27
					
					1807
					
				

			

		

		

			
				
0.引用：

（1）https://www.cnblogs.com/ifly-zhhades/p/7305572.html

( 2）https://www.imooc.com/article/details/id/29136

（3）https://www.cnblogs.com/kekeoutlook/p/7693129.html

( 4）https://blog.youkuaiyun.com/...

			
		

	





	

		

			

				
					
Ubuntu20同时安装并运行ORB SLAM2 、ORB SLAM3（详细安装版）、TUM数据集测试

				
			

			

				

					m0_46406504的博客
				

				

					09-27
					
					1423
					
				

			

		

		

			
				
Ubuntu20同时安装并运行ORB SLAM2 、ORB SLAM3（详细安装版）、TUM数据集测试

			
		

	





	

		

			

				
					
Ubuntu 18.04 ORB-SLAM2环境配置及跑通TUM数据集

				
			

			

				

					Evanzxh的博客
				

				

					09-24
					
					1309
					
				

			

		

		

			
				
一、在配置过程中需要cmake、gcc、g++和Git工具。安装Pangolin、opencv、Eigen、DBoW2 、 g2o等库。
之前的博客里复现了高翔视觉slam十四讲里的代码，也附上了库的安装教程，因此所有需要的库安装可参考之前的博客。
二、安装ORB-SLAM2
$ git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2

如果需要在ROS环境下运行ORB_SLAM，最好将ORB_SLAM2工程放在catkin_ws/src文件

			
		

	





	

		

			

				
					
ORB-SLAM2的数据集有整个房间的吗

				
			

			

				

					03-22
				

			

		

		

			
				
### ORB-SLAM2 整个房间场景适用的数据集

ORB-SLAM2 是一种强大的视觉 SLAM 系统，在双目和 RGB-D 场景下表现尤为突出[^1]。为了验证其性能，研究者通常会使用公开的标准数据集来测试系统的表现。以下是几个适用于整个房间场景的常见数据集：

#### TUM RGB-D 数据集
TUM RGB-D 数据集是一个广泛使用的室内环境数据集，特别适合用于评估 RGB-D SLAM 方法。该数据集包含了多个不同大小和复杂程度的房间场景，提供了高分辨率的彩色图像以及对应的深度信息。此外，还附带了地面真值轨迹以便于定量分析。

下载地址可以访问官方主页获取更多信息：  
[TUM RGB-D Benchmark](http://vision.in.tum.de/data/datasets/rgbd-dataset/download)

此数据集已被多次用来评测 ORB-SLAM2 的性能[^2]。

#### KITTI Vision Benchmark Suite (部分室内部署)
虽然 KITTI 主要针对室外自动驾驶场景设计，但其中某些序列也可以模拟较大的室内空间或者走廊结构。如果目标是扩展到更大范围的空间，则可以选择一些特定子集作为补充材料进行实验对比。

更多详情可查阅官网链接：  
[KITTI Dataset](http://www.cvlibs.net/datasets/kitti/index.php)

需要注意的是，KITTI 更侧重于户外动态环境下的应用案例；因此建议优先考虑其他更贴合需求特点的选择比如上述提到过的 TUM 或 EuRoC MAV datasets.

#### EuRoC MAV Dataset
EuRoC MAV 数据集专注于微型空中车辆(MAVs)，提供了一系列复杂的室内飞行路径记录下来供开发者们挑战自己的算法极限。这些试验条件涵盖了从小型办公室到大型仓库等多种类型的建筑布局形式,非常适合做全面性的功能展示和技术验证工作。

具体资源位置如下所示:   
[EuRoC MAV Dataset](https://projects.asl.ethz.ch/datasets/doku.php?id=kmavdataset)

通过以上介绍可以看出,TUM RGB-D 应当是最贴近题目描述里所期望找到的那种完全覆盖整间屋子情况的最佳选项之一。

```python
import os
url_tum = "http://vision.in.tum.de/data/datasets/rgbd-dataset"
os.system(f'xdg-open {url_tum}')  # 打开浏览器跳转至TUM RGB-D页面(仅限Linux/MacOS)
```

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  





	
打赏作者

	

		

		
			
		
		

		

			
一只野生的善逸

			
你的鼓励将是我创作的最大动力

		

	

	

			

	

	

    ¥1
    ¥2
    ¥4
    ¥6
    ¥10
    ¥20
	

	

		

			

				

					扫码支付：¥1
				

				

					

					
					获取中
					

				

				

					
					
					扫码支付
				

			

		

		

			
您的余额不足，请更换扫码支付或充值

			
打赏作者

		

	



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值