ORB-SLAM3配置及安装教程

的实际的安装过程，记录一下详细的步骤。

ps.我是用的虚拟机安装的，并且是在一个新系统上开始配置的

所以我的操作步骤是在一个全新的Ubuntu上做的，参考博客的同学注意一下（如果你已经在系统上安装过了一

些包，则有些步骤可以省去）

1 实验环境
我用的是虚拟机VMware运行的

Ubuntu版本是18.04

ORB-SLAM3源码： https://github.com/UZ-SLAMLab/ORB_SLAM3

2 准备工作（安装依赖）
ps：整个安装的大致流程我参考的是这篇博客

https://blog.csdn.net/holly_Z_P_F/article/details/118031317

但是中间遇到了一些问题

2.1 github clone
最好创建一个文件夹，将要下载的文件都放在这个文件夹中

2.1.1 ORB-SLAM3源码

打开终端，输入下面这个指令

git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git
1
如果 git 拒绝连接可以直接去这个网址下载压缩包解压

ORB-SLAM3

注意，如果是新系统，没有安装git，则需要先装git

sudo apt-get install git
1
另外，如果是新系统的话，预装的vi编辑器不完整，用不了。

执行如下命令安装vi编辑器。

sudo apt-get remove vim-common
sudo apt-get install vim

2.1.2 Pangolin

git clone https://github.com/stevenlovegrove/Pangolin.git
1
或者去下面这个网址下载压缩包

Pangolin

2.1.3 Eigen3

# github 有个mirror,版本3.3.4 from 2017
git clone https://github.com/eigenteam/eigen-git-mirror

在我安装的过程中这一步经常出错，换个网络多试几次就出来了，或者也可以去下面这个网址下载压缩包

Eigen3

注意！！！

不要采用下面这个指令安装eigen3

sudo apt-get install libeigen3-dev
1
如果采用这个指令安装，默认是安装到了/usr/include/eigen3，ORB-SLAM3检测不到，导致编译会报错。利用源码安装，安装好的路径是 /usr/local/include/eigen3/

2.2 Eigen3安装
在参考博客中博主是先安装Pangolin再安装Eigen3的，但我实际安装的过程中发现Pangolin是依赖Eigen3的，因此应该先安装Eigen3

#安装
cd eigen-git-mirror
mkdir build
cd build
cmake ..
sudo make install
 
#安装后,头文件安装在/usr/local/include/eigen3/

2.3 Pangolin安装
2.3.1 安装依赖

sudo apt install libgl1-mesa-dev

sudo apt install libglew-dev

sudo apt install cmake

sudo apt install libpython2.7-dev

sudo apt install pkg-config

sudo apt install libegl1-mesa-dev libwayland-dev libxkbcommon-dev wayland-protocols

2.3.2 编译安装

cd Pangolin
mkdir build
cd build
cmake ..
cmake --build .

2.4 Opencv安装
最新的ORB-SLAM3要求OpenCV 4.4及以上
但是最好不要安装OpenCV4以上（参考博主的解释是：4默认不会生成.pc文件，最后查看版本的时候查看不到，找不到包）。具体原因不太理解，最后也选择安装3.4.3版本
首先，到官网下载源码：https://opencv.org/releases/page/5/
ps.下载其他OpenCV3版本的理论上也可以，为了避免其他错误，选择参考博主的版本，实验可行。

下载之后放在最开始创建的文件夹，解压

unzip opencv-3.4.3.zip
1
ps. 也可以直接右键提取文件

更新一下，准备安装OpenCV依赖库

sudo apt-get update
1
使用一条指令安装所有依赖库

sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg-dev libtiff5-dev libswscale-dev libjasper-dev

# 原博客安装的是libtiff4-dev，运行过程报错，改成libtiff5-dev

注意：在运行的时候可能会出现以下报错信息

error: unable to locate libjasper-dev 无法定位这个包libjasper-dev

解决方法是：执行以下指令

sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt update
sudo apt install libjasper1 libjasper-dev

其中libjasper1是libjasper-dev的依赖包

运行完这个，再安装下面这个指令就没错了

sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg.dev libtiff4.dev libswscale-dev libjasper-dev
1
安装好依赖，开始编译OpenCV

cd opencv-3.4.3
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

注意：执行上面指令后，终端会自动下载一个必需的ippicv加速库。
如果终端卡住并显示正在下载，只需要等一会儿不用进行任何操作。
否则，终端会显示报错，提示ippicv_2017u3_lnx_intel64_general_20170822.tgz的加速库下载失败。报错如下：

解决方法是下载离线的ippicv库

下载链接为：https://github.com/opencv/opencv_3rdparty/tree/ippicv/master_20170822

下载好之后，把这个ippicv文件夹单独拷贝出来，放到自己的文件夹中

然后把OpenCV源文件中 /3rdparty/ippicv 文件夹下的 ippicv.cmake 中，

第47行"https://raw.githubusercontent.com/opencv/opencv_3rdparty/${IPPICV_COMMIT}/ippicv/" 改成你新下载的ippicv文件路径。

这样，就改成了离线编译的ippicv文件

再次执行cmake指令，完成编译

cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
1
PS. 这一步骤在参考博客中说需要科学上网才能正常下载，否则需要自己下载离线库编译。但经过我多次尝试，不需要科学上网也能正常下载ippicv库，可以多尝试几次（下载离线库相对比较麻烦）

cmake完成之后使用make编译

ps. j4表示4核，可以根据虚拟机分配的核数进行调整，也可以不用，直接make，速度稍微慢点，但不容易出错

make -j4

这个过程时间可能稍微长一点，完成之后，不要忘了安装

sudo make install

到此，OpenCV安装结束，然后配置一下环境

1）添加库路径

sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'

2）更新系统库

sudo ldconfig

3）配置bash

sudo gedit /etc/bash.bashrc

在末尾添加如下两行代码

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig  
export PKG_CONFIG_PATH 

4）保存，执行如下指令使得配置生效

source /etc/bash.bashrc 

5）更新

sudo updatedb  

如果该指令报错，那么可能是没有安装mlocate

先执行安装命令

apt-get install mlocate

然后再sudo updatedb

6）版本检测

pkg-config --modversion opencv

注意：如果执行后，显示找不到包。那么注意下载的OpenCV版本是不是3.版本的，OpenCV版本4以上的，默认不生成.pc文件，会出现找不到包的问题

输出如下，表示OpenCV完成了安装

2.5 DBoW2 and g2o
DBoW2主要用于回环检测，g2o（General Graph Optimization）主要用于图优化。
ORB-SLAM3的源码包自带DBoW2 and g2o，编译时会自动安装，不用管。

2.6 安装boost库
由此链接进入boost官网：https://www.boost.org/

我下载的是1.77.0

下载之后解压

tar -xzvf boost_1_77_0.tar.gz

解压之后进入解压出来的文件夹

执行下面这个脚本

sudo ./bootstrap.sh

执行完毕之后，会发现又多了些文件

再执行下面这个脚本

sudo ./b2 install

需要一段时间，耐心等待即可

2.7 安装libssl-dev
执行下面这个指令

sudo apt-get install libssl-dev

3 ORB-SLAM3编译和安装
源码编译

进入源码文件夹，执行下述指令

cd ORB_SLAM3
chmod +x build.sh
./build.sh

注意：这个build.sh是官方给的安装脚本，执行即可编译，但是实际操作经常会出错，太吃内存，最好不要直接运行脚本

我选择打开build.sh脚本，依次执行如下每条指令，并根据自己虚拟机分配的核数选择make后面的核数进行编译

注意：在这之前先打开ORB-SLAM3对应的CMakeLists.txt
找到 find_package(OpenCV 4.4)这行代码，将OpenCV版本号改为find_package(OpenCV 3.4)
因为我们之前安装的就是3.4版本的，而在最新的ORB-SLAM3中要求是4.4及以上版本，改成3.4不影响实验

echo "Configuring and building Thirdparty/DBoW2 ..."
 
cd Thirdparty/DBoW2
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j
 
cd ../../g2o
 
echo "Configuring and building Thirdparty/g2o ..."
 
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j
 
cd ../../../
 
echo "Uncompress vocabulary ..."
 
cd Vocabulary
tar -xf ORBvoc.txt.tar.gz
 
 
echo "Configuring and building ORB_SLAM3 ..."
 
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j

运行最后一条指令时，出现报错如下：

解决方法是打开对应的文件，如Tracking.cc,LoopClosing.cc等

再include后面添加以下代码

namespace cv
{
template<typename _Tp, int m, int n> static inline
Matx<_Tp, m, n> operator / (const Matx<_Tp, m, n> &a, float alpha)
{
return Matx<_Tp, m, n>(a, 1.f / alpha, Matx_ScaleOp());
}
}

ps. 这里发生了一个很玄学的情况

最后一条指令我使用make -j4，即使在对应的文件中加入了上述代码也仍然会报错。

然后我改成make之后就成功编译了（离谱~

但同时，改成make之后编译速度大大降低，需要等很久

数据集测试

EuRoc数据集下载地址：

https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets#downloads

下载比较慢，有百度网盘的可以用下面这个地址，我将所有EuRoc数据集（包括bag格式和ASL格式）都下载下来放里面了，链接永久有效

链接：https://pan.baidu.com/s/1-48M4G-CJ-j_AFSeLr8XDw?pwd=wd0s
提取码：wd0s

要下载ASL格式的，我下载了V102和V203两个

这个压缩包下好之后，解压打开之后，里面是一个mav0的文件夹（有些打开会还有一个_MACOSX 文件加，可以直接删掉，只留mav0文件夹）

具体原因是这个其实是在MAC操作系统压缩时产生的缓存垃圾，在Windows系统、Linux系统就会显示出来（大概是这意思）

然后在ORB-SLAM3文件夹下创建一个文件夹dataset，

在dataset文件夹下将解压的数据集文件夹放进来

eg. /ORB-SLAM3/dataset/V102/mav0

然后，在ORB-SLAM3的源码中，有一个Examples文件夹

里面有一个脚本euroc_examples.sh，打开这个脚本

PS. 最新的ORB-SLAM3版本已经找不到了，可以去下面这个链接拷贝过来

https://github.com/electech6/ORB_SLAM3_detailed_comments

并且里面还有ORB-SLAM3的详细注释

打开这个脚本，里面有ORB-SLAM3各种运行模式针对各个数据集的运行指令，选择下载数据集对应模式下的指令，提取出来（以V102、单目+IMU为例）：

./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml “$pathDatasetEuroc”/V102 ./Examples/Monocular-Inertial/EuRoC_TimeStamps/V102.txt dataset-V102_monoi

我加粗的地方需要改

**“$pathDatasetEuroc”**改为 ./dataset，表示数据集所在的路径

即得到下面这条指令

./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml ./dataset/V102 ./Examples/Monocular-Inertial/EuRoC_TimeStamps/V102.txt dataset-V102_monoi

在ORB-SLAM3文件夹下打开终端执行这条指令

ORB-SLAM3成功运行

运行截图：

运行结束，终端显示

ps.这里好像出了一点小错误，存储轨迹出错了

但神奇的是，仍然能看见存储的轨迹文件，奇怪

整个过程大概就是这样，简单记录一下