SVO-SLAM環境建置指南

Installation: Plain CMake (No ROS)
首先，建立一個工作目錄例如：workspace，然後把下面的需要的都在該目錄下進行.

(tip：一定不要使用中文名字，儘管你的系統是中文預設的名字。不然下面的依賴項將會十分困難，cmake找不到設定檔。)

#

mkdir workspace
cd workspace

Boost - c Librairies (thread and system are needed)

#

sudo apt-<span style="color: #0000ff;">get</span> install libboost-all-dev

Eigen 3 - Linear algebra

#

apt-<span style="color: #0000ff;">get</span> install libeigen3-dev

OpenCV - Computer vision library for loading and displaying images(我下載的是OpenCV3.0)

#

<span style="color: #000000;">mkdir build
cd build
cmake ..
make</span>

Sophus - Lie groups

<span style="color: #000000;">cd workspace
git clone https:</span><span style="color: #008000;">//</span><span style="color: #008000;">github.com/strasdat/Sophus.git</span>
<span style="color: #000000;">cd Sophus
git checkout a621ff
mkdir build
cd build
cmake ..
make</span>

如果此時遇到了「unit_complex_.imag() = 0."的錯誤，需要改程式碼為：」unit_complex_.imag(0.)「
Fast - Corner Detector

#

<span style="color: #000000;">cd workspace
git clone https:</span><span style="color: #008000;">//</span><span style="color: #008000;">github.com/uzh-rpg/fast.git</span>
<span style="color: #000000;">cd fast
mkdir build
cd build
cmake ..
make</span>

g2o - General Graph Optimization OPTIONAL
# 耐心和細心，G2O的每個版本的依賴項很複雜，需要耐心看版本號。不然錯誤很多都摸不到頭腦了。之前在網上也是看了很多博客，並沒有真正的解決依賴項的問題。下面我整理自己做的過程，完整正確版本。

首先安裝g2o的依賴項：

sudo apt-<span style="color: #0000ff;">get</span>  install cmake libeigen4-dev libsuitesparse-dev, qt4-qmake libqglviewer-dev libsuitesparse-dev libcxsparse3.<span style="color: #800080;">1.2</span>  libcholmod-dev

然後進行下載，編譯等：

<span style="color: #000000;">cd workspace
git clone https:</span><span style="color: #008000;">//</span><span style="color: #008000;">github.com/RainerKuemmerle/g2o.git</span>
<span style="color: #000000;">cd g2o
mkdir build
cd build
cmake ..
make
sudo make install</span>

vikit_common - Some useful tools that we need
# vikit包含相機模型，SVO需要的一些數學和內插函數。

<span style="color: #000000;">cd workspace
git clone https:</span><span style="color: #008000;">//</span><span style="color: #008000;">github.com/uzh-rpg/rpg_vikit.git</span>

在pg_vikit/vikit_common/CMakeLists.txt 檔案中設定 USE_ROS為FALSE.

cd rpg_vikit/<span style="color: #000000;">vikit_common
mkdir build
cd build
cmake ..
make</span>

SVO

<span style="color: #000000;">cd workspace
git clone https:</span><span style="color: #008000;">//</span><span style="color: #008000;">github.com/uzh-rpg/rpg_svo.git</span>
cd rpg_svo/svo

在檔案 svo/CMakeLists.txt中，設定USE_ROS為 FALSE.

<span style="color: #000000;">mkdir build
cd build
cmake ..
make</span>

Run SVO without ROS
首先，建立一個儲存資料的資料夾：

mkdir Datasets

然後設定一個環境變數去儲存路徑

export SVO_DATASET_DIR=${HOME}/Datasets

執行腳本.bashrc，然後進去新資料夾下面去下載測試資料

source ~/<span style="color: #000000;">.bashrc
cd ${SVO_DATASET_DIR}
wget http:</span><span style="color: #008000;">//</span><span style="color: #008000;">rpg.ifi.uzh.ch/datasets/sin2_tex2_h1_v8_d.tar.gz -O - | tar -xz</span>

然後在測試資料上面執行SVO即可：

cd svo/<span style="color: #000000;">bin
.</span>/test_pipeline

以上是SVO-SLAM環境建置指南的詳細內容。更多資訊請關注PHP中文網其他相關文章！