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

添加环境变量

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

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
    
    
      
      
      
    
    AI助手

ros版本

    cd ORB_SLAM2
    chmod +x build_ros.sh
    ./build_ros.sh
    
    
      
      
      
    
    AI助手

一. ORB-SLAM2运行kitti数据集，没搞定，先搁置

在尝试运行KITTI的过程中遇到困难，在终端界面输入相应的命令后并未成功启动程序，在执行mono任务时发现系统提示出现错误信息

该命令共有4个参数:
mono_kitti:为ORB-SLAM2编译生成的针对MONO_KITTI数据集的可执行文件，一般路径为ORB-SLAM2工程目录下Examples/Monocular/mono_kitti；
path_to_vocabulary为所选词典的路径，路径为ORB_SLAM2/Vocabulary/ORBvoc.txt；
path_to_settings为配置文件，存放在ORB-SLAM2/Examples/Monocular下，运行时选择了KITTI00-02.yaml(可选择别的)，该配置文件中存放的相机的内参和外参，提取特征时候图像金字塔相关参数，可视化过程中用到的参数；
path_to_sequence为数据集路径，这个根据自己下载的kitti数据集路径来指定。这里在工作空间中建立文件夹dataset来存放数据集00，故目录为 …/dataset/sequences/00/ (…/表示上层目录，./表示当前目录)
在ORB_SLAM2文件夹下打开终端，执行以下命令来运行程序：

    ./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTI00-02.yaml ../dataset/sequences/00/
    
    
      
    
    AI助手

二. ORB-SLAM2运行euroc双目数据集，以Machine Hall 01

step1：获取euroc数据集链接：此处；
step2：对获取的数据包进行解压。

step3:进入orb-slam2文件夹运行

    ./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml /home/wenjing/mav0/cam0/data /home/wenjing/mav0/cam1/data Examples/Stereo/EuRoC_TimeStamps/MH01.txt
    
    
      
    
    AI助手

运行结果：

参考博文：[ORB-SLAM² + EuRoC双目相机数据集的应用研究]( %7Brequest_fdid%7D:%EBD%A4%ECA%E8%E8%C9%E8%E9%C3%B3%C3%B3%C3%B3%C4%BF%C4%BF%C4%BF, %7Bbiz_id%7D:0, %Eumd_medium%distribute.pc_search_result.none-task-blog-_allbaidu_landing_vdefault-------.pc_search_result_no_baidu_js, %Eumd_term%dorf-slam²~euroc-dataset-application-study)

三. ORB-SLAM2运行tum数据集，以freiburg1_xyz为例

**step1：获取TUM数据集：【

step3:进入orb-slam2文件夹运行

    ./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM1.yaml /home/wenjing/rgbd_dataset_freiburg1_xyz
    
    
      
    
    AI助手

运行结果：

该算法在TUM数据集上的实验结果表明：利用ORB_SLAM2框架实现了对实时视觉 SLAM 技术的有效应用，在保证运行时间稳定且高效的前提下（...），实现了对动态环境的精准跟踪与建图。该算法在动态场景中的鲁棒性表现优异：相较于仅依赖 RGBD 数据集的方法，在同样条件下实现了更高的定位精度；与双目相机系统相比（...），其优势在于降低了硬件成本的同时保持了相似的性能水平。