ORB-SLAM2 安裝編譯運行（非 ROS）

安裝編譯

必備安裝工具

主要包括 cmake 、 git 、 gcc 、 g++

gcc 的全稱是 GNU Compiler Collection，它是由 GNU 推出的一款功能強大的、性能優越的

多平臺編譯器，是一個能夠編譯多種語言的編譯器。最開始 gcc 是作為 C 語言的編譯器（GNU

C Compiler），現在除了 c 語言，還支持 C++、java、Pascal 等語言。gcc 支持多種硬件平臺。

? gcc 是 GCC 中的 GUN C Compiler（C 編譯器）

? g++是 GCC 中的 GUN C++ Compiler（C++編譯器）

? gdb 是是 GCC 中的 GUN 調試工具

? cmake（cross platform make 的縮寫）是一個開源跨平臺的安裝編譯工

具。它將多個頭文件和源文件組合構建為一個工程。他能夠輸出各種各

樣的 makefile 或者 project 文件，所有操作都是通過編譯

CMakeLists.txt 來完成。

sudo apt-get install vim cmake git gcc g++ libboost-all-dev

安裝第三方庫（推薦源碼安裝）

1、安裝 Pangolin

不要用最新的 pangolin，可能會出錯

建議從這里下載 0.5 版本 https://github.com/stevenlovegrove/Pangolin/tree/v0.5

# Pangolin 依賴項

# 顯示相關

sudo apt-get install libglew-dev

# Python

sudo apt-get install libpython2.7-dev

# 視頻編解碼（可選）

sudo apt-get install ffmpeg libavcodec-dev libavutil-dev libavformat

dev libswscale-dev

# 讀取圖像序列用

sudo apt-get install libjpeg-dev libpng12-dev libtiff5-dev

libopenexr-dev

# Get Pangolincd ~/your_fav_code_directory

# 不要用最新的 pangolin，會出錯，

# 建議從這里下載 0.5 版本

https://github.com/stevenlovegrove/Pangolin/tree/v0.5

# 解壓

cd Pangolin-0.5

# Configure and build

mkdir build && cd build

cmake ..

make -j4

sudo make install

驗證是否成功安裝

# 在如下路徑下運行示例代碼，注意路徑（和我的路徑不同）

./Pangolin-0.5/build/examples/HelloPangolin/HelloPangolin

2、安裝 OpenCV

提醒：推薦安裝和 ros 匹配的 OpenCV 版本。否則可能會沖突

ros melodic 默認安裝 opencv3.2

以后不要在同一個主控上安裝多個版本 opencv，那是自找麻煩，涉及到各種配置，配置不

對就導致程序無法運行，調試配置花費大量精力！

先安裝依賴項

Ubuntu 16.04 安裝方法

sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev

libavformat-dev

libjpeg.dev

sudo apt-get install libtiff4.dev libswscale-dev libjasper-dev

Ubuntu 18.04 稍微有點不同，安裝方法如下

sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev

libavformat-dev libjpeg.dev libtiff5-dev libswscale-dev libopenexr

dev libtbb-dev

# Ubuntu 18.04 下安裝 libjasper-dev 需要一點額外操作

sudo add-apt-repository "deb http://s ecurity .ubuntu.com/ubuntu

xenial-s ecurity main"

sudo apt update

sudo apt install libjasper1 libjasper-dev

正式安裝 OpenCV3.2

cd opencv-3.2.0 # 根據自己下載的版本來，推薦和 ROS 一樣的 OpenCV 版本

mkdir build

cd build

cmake ..

make -j4 # 假設你電腦有 4 個核，這樣可以編譯的快一點

sudo make install

成功安裝

3、安裝 eigen3

Eigen3 版本需要 >=3.1.0 ,一般來說 16.04 和 18.04 使用 apt 安裝的版本就符合這個要

求

sudo apt-get install libeigen3-dev

查看 eigen 版本

cat /usr/include/eigen3/Eigen/src/Core/util/Macros.h

#或者

cat /usr/local/include/eigen3/Eigen/src/Core/util/Macros.h

4、DBoW2、G2O 無需安裝

已經包含在 ORBSLAM2 中的第三方庫文件夾中,不需要自己編譯安裝

安裝 ORB_SLAM2

# 用 git 下載 ORB_SLAM2 源碼

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

cd ORB_SLAM2

# 添加可執行權限

chmod +x build.sh

#運行

./build.sh

可能遇到的錯誤

1、usleep 函數問題

先移除錯誤編譯的 build 文件

# 確保在 ORB_SLAM2 文件夾下

rm -r build

在 ORB_SLAM2/include/System.h 中添加一句

#include "unistd.h"

然后重新

./build.sh

2、錯誤 2 ，找不到 eigen

錯誤顯示如下

原因，pangolin 版本不對，使用 pangolin 0.5 版本

https://github.com/stevenlovegrove/Pangolin/tree/v0.5

運行數據集

單目

TUM 數據集為例進行演示。

首先從 http://vision.in.tum.de/data/datasets/rgbd-dataset/download 中下載任意一個數據

包并解壓

tar zxvf rgbd_dataset_freiburg1_desk.tgz

https://github.com/raulmur/ORB_SLAM2 上的示例運行代碼如下

# 請勿直接復制！只是參考格式，需要修改 PATH_TO_SEQUENCE_FOLDER

./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt

Examples/Monocular/TUMX.yaml PATH_TO_SEQUENCE_FOLDER

注意,此處的 TUMX.yaml 文件要對應于你下載的數據集類型 , 需要改成對應的 TUM1.yaml

或 TUM2.yaml 或 TUM3.yaml

PATH_TO_SEQUENCE_FOLDER 要對應于你的數據集文件夾存放路徑，在我的電腦上，上

述命令應修改如下 :

# 在 ORB_SLAM2 文件夾下打開終端，輸入如下（注意要根據自己數據集存放路

徑修改地址）

./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt

Examples/Monocular/TUM1.yaml

/home/cxl/SLAM/DataSets/TUM/rgbd_dataset_freiburg1_desk

RGB-D

以 TUM 數據集為例

associate.py 腳本用來關聯 RGB 和 depth 圖像，ORB_SLAM2 里已經提前做好了關聯，存放

在 Examples/RGB-D/associations 路徑

我們打開其中一個

RGB 時間戳 RGB 圖像名 depth 時間戳 depth 圖像名

associate.py 腳本用來關聯 RGB 和 depth 圖像的原理：認為時間戳相差 0.02s（默認參

數）的 RGB 和 depth 是同步的

自己也可以用腳本來同步，結果和 ORB_SLAM2 里存儲的是一樣的，代碼見下。支持 Python2，

修改一下可支持 Python3

python associate.py PATH_TO_SEQUENCE/rgb.txt

PATH_TO_SEQUENCE/depth.txt > associations.txt

RGB-D 模式的運行模式

# 請勿直接復制！只是參考格式，需要修改 TUMX.yaml，

PATH_TO_SEQUENCE_FOLDER，ASSOCIATIONS_FILE

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB

D/TUMX.yaml PATH_TO_SEQUENCE_FOLDER ASSOCIATIONS_FILE

注意,此處的 TUMX.yaml 文件要對應于你下載的數據集類型 , 需要改成對應的 TUM1.yaml

或 TUM2.yaml 或 TUM3.yaml

PATH_TO_SEQUENCE_FOLDER 要對應于你的數據集文件夾存放路徑，在我的電腦上，上述

命令應修改如下 :

ASSOCIATIONS_FILE 對應于數據集所在的關聯文件夾位置

# 在 ORB_SLAM2 文件夾下打開終端，輸入如下（注意要根據自己數據集存放路

徑修改地址）

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB

D/TUM1.yaml /home/cxl/SLAM/DataSets/TUM/rgbd_dataset_freiburg1_desk

Examples/RGB-D/associations/fr1_desk.txt

雙目

EuRoC 數據集為例，從官網下載數據集

http://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets

分為 MH 和 V1，V2 序列

對于 MH 序列

運行格式如下，其中 PATH_TO_SEQUENCE，SEQUENCE 需要替換成自己的路徑或文件名

# 請勿直接復制！只是參考格式，需要修改 PATH_TO_SEQUENCE，SEQUENCE

./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt

Examples/Stereo/EuRoC.yaml PATH_TO_SEQUENCE/cam0/data

PATH_TO_SEQUENCE/cam1/data

Examples/Stereo/EuRoC_TimeStamps/SEQUENCE.txt

比如我的電腦上，運行指令為：

# 在 ORB_SLAM2 文件夾下打開終端，輸入如下（注意要根據自己數據集存放路

徑修改地址）

./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt

Examples/Stereo/EuRoC.yaml

/home/cxl/SLAM/DataSets/EuRoC/MH_03_medium/mav0/cam0/data

/home/cxl/SLAM/DataSets/EuRoC/MH_03_medium/mav0/cam1/data

Examples/Stereo/EuRoC_TimeStamps/MH03.txt

注意：路徑，文件名一定要輸對。盡量用 TAB 鍵補全，保證路徑和文件是有效的。注意數

據集名稱 MH_03，時間戳文件名 MH03 中間沒有下劃線。文件名寫錯，可能會卡住（不報

錯）。

對于 V1、V2 序列

運行格式如下，其中 PATH_TO_SEQUENCE，SEQUENCE 需要替換成自己的路徑或文件名

# 請勿直接復制！只是參考格式，需要修改 PATH_TO_SEQUENCE，SEQUENCE

./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt

Examples/Stereo/EuRoC.yaml PATH_TO_SEQUENCE/mav0/cam0/data

PATH_TO_SEQUENCE/mav0/cam1/data

Examples/Stereo/EuRoC_TimeStamps/SEQUENCE.txt

比如我的電腦上，運行指令為：

# 在 ORB_SLAM2 文件夾下打開終端，輸入如下（注意要根據自己數據集存放路

徑修改地址）

./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt

Examples/Stereo/EuRoC.yaml

/home/cxl/SLAM/DataSets/EuRoC/V1_02_medium/mav0/cam0/data

/home/cxl/SLAM/DataSets/EuRoC/V1_02_medium/mav0/cam1/data

Examples/Stereo/EuRoC_TimeStamps/V102.txt