ORB-SLAM2 安装编译运行（非 ROS）

安装编译

必备安装工具

主要包括 cmake 、 git 、 gcc 、 g++

gcc 的全称是 GNU Compiler Collection，它是由 GNU 推出的一款功能强大的、性能优越的

多平台编译器，是一个能够编译多种语言的编译器。最开始 gcc 是作为 C 语言的编译器（GNU

C Compiler），现在除了 c 语言，还支持 C++、java、Pascal 等语言。gcc 支持多种硬件平台。

• gcc 是 GCC 中的 GUN C Compiler（C 编译器）

• g++是 GCC 中的 GUN C++ Compiler（C++编译器）

• gdb 是是 GCC 中的 GUN 调试工具

• cmake（cross platform make 的缩写）是一个开源跨平台的安装编译工

具。它将多个头文件和源文件组合构建为一个工程。他能够输出各种各

样的 makefile 或者 project 文件，所有操作都是通过编译

CMakeLists.txt 来完成。

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

安装第三方库（推荐源码安装）

1、安装 Pangolin

不要用最新的 pangolin，可能会出错

建议从这里下载 0.5 版本 https://github.com/stevenlovegrove/Pangolin/tree/v0.5

# Pangolin 依赖项

# 显示相关

sudo apt-get install libglew-dev

# Python

sudo apt-get install libpython2.7-dev

# 视频编解码（可选）

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

dev libswscale-dev

# 读取图像序列用

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，会出错，

# 建议从这里下载 0.5 版本

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

# 解压

cd Pangolin-0.5

# Configure and build

mkdir build && cd build

cmake ..

make -j4

sudo make install

验证是否成功安装

# 在如下路径下运行示例代码，注意路径（和我的路径不同）

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

2、安装 OpenCV

提醒：推荐安装和 ros 匹配的 OpenCV 版本。否则可能会冲突

ros melodic 默认安装 opencv3.2

以后不要在同一个主控上安装多个版本 opencv，那是自找麻烦，涉及到各种配置，配置不

对就导致程序无法运行，调试配置花费大量精力！

先安装依赖项

Ubuntu 16.04 安装方法

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 稍微有点不同，安装方法如下

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 下安装 libjasper-dev 需要一点额外操作

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

xenial-s ecurity main"

sudo apt update

sudo apt install libjasper1 libjasper-dev

正式安装 OpenCV3.2

cd opencv-3.2.0 # 根据自己下载的版本来，推荐和 ROS 一样的 OpenCV 版本

mkdir build

cd build

cmake ..

make -j4 # 假设你电脑有 4 个核，这样可以编译的快一点

sudo make install

成功安装

3、安装 eigen3

Eigen3 版本需要 >=3.1.0 ,一般来说 16.04 和 18.04 使用 apt 安装的版本就符合这个要

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 无需安装

已经包含在 ORBSLAM2 中的第三方库文件夹中,不需要自己编译安装

安装 ORB_SLAM2

# 用 git 下载 ORB_SLAM2 源码

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

cd ORB_SLAM2

# 添加可执行权限

chmod +x build.sh

#运行

./build.sh

可能遇到的错误

1、usleep 函数问题

先移除错误编译的 build 文件

# 确保在 ORB_SLAM2 文件夹下

rm -r build

在 ORB_SLAM2/include/System.h 中添加一句

#include "unistd.h"

然后重新

./build.sh

2、错误 2 ，找不到 eigen

错误显示如下

原因，pangolin 版本不对，使用 pangolin 0.5 版本

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

运行数据集

单目

TUM 数据集为例进行演示。

首先从 http://vision.in.tum.de/data/datasets/rgbd-dataset/download 中下载任意一个数据

包并解压

tar zxvf rgbd_dataset_freiburg1_desk.tgz

https://github.com/raulmur/ORB_SLAM2 上的示例运行代码如下

# 请勿直接复制！只是参考格式，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,此处的 TUMX.yaml 文件要对应于你下载的数据集类型 , 需要改成对应的 TUM1.yaml

或 TUM2.yaml 或 TUM3.yaml

PATH_TO_SEQUENCE_FOLDER 要对应于你的数据集文件夹存放路径，在我的电脑上，上

述命令应修改如下 :

# 在 ORB_SLAM2 文件夹下打开终端，输入如下（注意要根据自己数据集存放路

径修改地址）

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

Examples/Monocular/TUM1.yaml

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

RGB-D

以 TUM 数据集为例

associate.py 脚本用来关联 RGB 和 depth 图像，ORB_SLAM2 里已经提前做好了关联，存放

在 Examples/RGB-D/associations 路径

我们打开其中一个

RGB 时间戳 RGB 图像名 depth 时间戳 depth 图像名

associate.py 脚本用来关联 RGB 和 depth 图像的原理：认为时间戳相差 0.02s（默认参

数）的 RGB 和 depth 是同步的

自己也可以用脚本来同步，结果和 ORB_SLAM2 里存储的是一样的，代码见下。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 模式的运行模式

# 请勿直接复制！只是参考格式，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,此处的 TUMX.yaml 文件要对应于你下载的数据集类型 , 需要改成对应的 TUM1.yaml

或 TUM2.yaml 或 TUM3.yaml

PATH_TO_SEQUENCE_FOLDER 要对应于你的数据集文件夹存放路径，在我的电脑上，上述

命令应修改如下 :

ASSOCIATIONS_FILE 对应于数据集所在的关联文件夹位置

# 在 ORB_SLAM2 文件夹下打开终端，输入如下（注意要根据自己数据集存放路

径修改地址）

./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

双目

EuRoC 数据集为例，从官网下载数据集

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

分为 MH 和 V1，V2 序列

对于 MH 序列

运行格式如下，其中 PATH_TO_SEQUENCE，SEQUENCE 需要替换成自己的路径或文件名

# 请勿直接复制！只是参考格式，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

比如我的电脑上，运行指令为：

# 在 ORB_SLAM2 文件夹下打开终端，输入如下（注意要根据自己数据集存放路

径修改地址）

./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：路径，文件名一定要输对。尽量用 TAB 键补全，保证路径和文件是有效的。注意数

据集名称 MH_03，时间戳文件名 MH03 中间没有下划线。文件名写错，可能会卡住（不报

错）。

对于 V1、V2 序列

运行格式如下，其中 PATH_TO_SEQUENCE，SEQUENCE 需要替换成自己的路径或文件名

# 请勿直接复制！只是参考格式，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

比如我的电脑上，运行指令为：

# 在 ORB_SLAM2 文件夹下打开终端，输入如下（注意要根据自己数据集存放路

径修改地址）

./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