開源SLAM框架學習——OpenVSLAM源碼解析：第一節安裝和初探

最近剛好有機會需要學習一下OpenVSLAM，在此記錄一下我的學習過程，一方面可以加強自己的記憶和理解，另一方面可以幫助一下有需要的同學。

我打算通過介紹算法原理和解析對應代碼的方式，將OpenVSLAM完整地學習一遍。通過這種方式我覺得我可以向你分享特徵點視覺SLAM的一些常用算法，幫助你理解一套完整的視覺SLAM系統是怎麼運行起來的。

今天就先開始第一節吧！

1. OpenVSLAM

1.1 介紹

論文鏈接： OpenVSLAM: A Versatile Visual SLAM Framework

　　OpenVSLAM是一套單目、立體、RGB-D視覺SLAM系統。
　　
　　OpenVSLAM是日本國立先進工業科學技術研究所（National Institute of Advanced Industrial Science and Technology）在2019年提出的一套基於特徵點法的純視覺SLAM系統，並於2019年5月20號在Github上進行了開源，沒幾周就達到幾百Star（目前2400個Star），可見熱度不一般。
　　
　　ORB-SLAM2作爲特徵點視覺SLAM的巔峯之作，OpenVSLAM的工作和ORB-SLAM2的很多內容非常相似，繼承了ORB-SLAM2很多成功的經驗，並在其基礎之上增加了一些功能。之前很多入門視覺SLAM的同學都會被推薦去學習ORB-SLAM2的源碼，但是現在OpenVSLAM是另一個更不錯的選擇，它在代碼規範和組織上更優於ORB-SLAM2，而且在系統的完整度上也優於ORB-SLAM2。由於OpenVSLAM的社區還沒有ORB-SLAM2的大，如果你願意挑戰一下自己，可以去學習一下OpenVSLAM。

1.2 主要貢獻

（1）它與各種類型的相機型號兼容，並可針對可選的相機型號進行定製；
（2）可以對特徵點地圖進行存儲和加載，然後可以使用預先創建的地圖進行重定位；
（3）爲了方便用戶，提供了在Web瀏覽器上運行的跨平臺查看器。

說句公道話，這篇論文對於學術理論的貢獻真不大，但是代碼對於學習和使用視覺SLAM的貢獻遠大於論文本身。

可以通過下表進一步直觀地看一下OpenVSLAM的主要優勢。它不但支持透視相機模型，還支持魚眼和等矩陣相機模型，對於廣角和360視角的相機模型，可以很大程度上提高視覺SLAM系統的穩定性。

1.3 實驗結果

論文中的實驗還是很簡單的，主要就是對比了OpenVSLAM與ORB-SLAM2的精度和速度。

EuRoC MAV數據集，作者主要是對比了軌跡的絕對精度和每一幀的運行用時：
KITTI數據集
另外作者還做了360相機下的實驗，不過大家看看效果就行了，也沒什麼好說的。作者提供了自己錄的數據集，安裝好OpenVSLAM之後，按照要求運行一下，就能看到效果了。

1.4 總結

OpenVSLAM作爲一個學習基於特徵點的視覺SLAM，還是一個不錯的選擇。可以支持任意相機的這個優點還是值得學習的。建議初學者可以好好學習一下OpenVSLAM的源代碼。

2. 安裝

安裝和運行OpenVSLAM門檻還是挺低的，主要是作者提供了比較完整的文檔。文檔的地址：OpenVSLAM

大致流程如下：(以下流程是我從官方文檔中摘取出來的，過程適合Ubuntu16.04和Ubuntu18.04，更完整的過程可以參考官方文檔)

按照我這種方法安裝完成之後，至少支持Ubuntu16.04和Ubuntu18.04使用Pangolin查看SLAM的建圖和定位，

2.1 克隆源代碼：

git clone https://github.com/xdspacelab/openvslam

2.2 安裝依賴庫

主要依賴以下庫：
Eigen : version 3.3.0 or later.
g2o : Please use the latest release. Tested on commit ID 9b41a4e.
SuiteSparse : Required by g2o.
DBoW2 : Please use the custom version of DBoW2 released in https://github.com/shinsumicco/DBoW2.
yaml-cpp : version 0.6.0 or later.
OpenCV : version 3.3.1 or later.
Pangolin : Please use the latest release. Tested on commit ID ad8b5f8.

安裝Ubuntu系統依賴

sudo apt update -y
sudo apt upgrade -y --no-install-recommends
# basic dependencies
sudo apt install -y build-essential pkg-config cmake git wget curl unzip
# g2o dependencies
sudo apt install -y libatlas-base-dev libsuitesparse-dev
# OpenCV dependencies
sudo apt install -y libgtk-3-dev
sudo apt install -y ffmpeg
sudo apt install -y libavcodec-dev libavformat-dev libavutil-dev libswscale-dev libavresample-dev
# eigen dependencies
sudo apt install -y gfortran
# other dependencies
sudo apt install -y libyaml-cpp-dev libgoogle-glog-dev libgflags-dev

# (if you plan on using PangolinViewer)
# Pangolin dependencies
sudo apt install -y libglew-dev

安裝Eigen矩陣庫

cd /path/to/working/dir
wget -q http://bitbucket.org/eigen/eigen/get/3.3.4.tar.bz2
tar xf 3.3.4.tar.bz2
rm -rf 3.3.4.tar.bz2
cd eigen-eigen-5a0156e40feb
mkdir -p build && cd build
cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr/local \
    ..
make -j4
sudo make install

安裝OpenCV庫

cd /path/to/working/dir
wget -q https://github.com/opencv/opencv/archive/3.4.0.zip
unzip -q 3.4.0.zip
rm -rf 3.4.0.zip
cd opencv-3.4.0
mkdir -p build && cd build
cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr/local \
    -DENABLE_CXX11=ON \
    -DBUILD_DOCS=OFF \
    -DBUILD_EXAMPLES=OFF \
    -DBUILD_JASPER=OFF \
    -DBUILD_OPENEXR=OFF \
    -DBUILD_PERF_TESTS=OFF \
    -DBUILD_TESTS=OFF \
    -DWITH_EIGEN=ON \
    -DWITH_FFMPEG=ON \
    -DWITH_OPENMP=ON \
    ..
make -j4
sudo make install

安裝DBoW2

cd /path/to/working/dir
git clone https://github.com/shinsumicco/DBoW2.git
cd DBoW2
mkdir build && cd build
cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr/local \
    ..
make -j4
sudo make install

安裝g2o

cd /path/to/working/dir
git clone https://github.com/RainerKuemmerle/g2o.git
cd g2o
git checkout 9b41a4ea5ade8e1250b9c1b279f3a9c098811b5a
mkdir build && cd build
cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr/local \
    -DCMAKE_CXX_FLAGS=-std=c++11 \
    -DBUILD_SHARED_LIBS=ON \
    -DBUILD_UNITTESTS=OFF \
    -DBUILD_WITH_MARCH_NATIVE=ON \
    -DG2O_USE_CHOLMOD=OFF \
    -DG2O_USE_CSPARSE=ON \
    -DG2O_USE_OPENGL=OFF \
    -DG2O_USE_OPENMP=ON \
    ..
make -j4
sudo make install

安裝Pangolin庫

cd /path/to/working/dir
git clone https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
git checkout ad8b5f83222291c51b4800d5a5873b0e90a0cf81
mkdir build && cd build
cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr/local \
    ..
make -j4
sudo make install

2.3 編譯源碼

cd /path/to/openvslam
mkdir build && cd build
cmake \
    -DBUILD_WITH_MARCH_NATIVE=ON \
    -DUSE_PANGOLIN_VIEWER=ON \
    -DUSE_SOCKET_PUBLISHER=OFF \
    -DUSE_STACK_TRACE_LOGGER=ON \
    -DBOW_FRAMEWORK=DBoW2 \
    -DBUILD_TESTS=ON \
    ..
make -j4

2.4 運行

由於OpenVSLAM支持的數據集比較多，我這裏就簡單地介紹一下，如何通過作者提供的在谷歌網盤中的360數據集運行（注意：使用作者的數據集需要你能科學上網）。如果你使用的別的數據集例如KITTI、EuRoC等等都可以參照如下方式很容易運行起來。

# 進入openslam的build文件夾
$ pwd
/path/to/openvslam/build/
$ ls
run_video_slam   run_video_localization   lib/   ...

#通過谷歌雲盤下載ORB詞袋
FILE_ID="1wUPb328th8bUqhOk-i8xllt5mgRW4n84"
curl -sc /tmp/cookie "https://drive.google.com/uc?export=download&id=${FILE_ID}" > /dev/null
CODE="$(awk '/_warning_/ {print $NF}' /tmp/cookie)"
curl -sLb /tmp/cookie "https://drive.google.com/uc?export=download&confirm=${CODE}&id=${FILE_ID}" -o orb_vocab.zip
unzip orb_vocab.zip

# 通過谷歌雲盤下載數據集
FILE_ID="1d8kADKWBptEqTF7jEVhKatBEdN7g0ikY"
curl -sc /tmp/cookie "https://drive.google.com/uc?export=download&id=${FILE_ID}" > /dev/null
CODE="$(awk '/_warning_/ {print $NF}' /tmp/cookie)"
curl -sLb /tmp/cookie "https://drive.google.com/uc?export=download&confirm=${CODE}&id=${FILE_ID}" -o aist_living_lab_1.zip
unzip aist_living_lab_1.zip

# 通過谷歌雲盤下載另外的數據集
FILE_ID="1TVf2D2QvMZPHsFoTb7HNxbXclPoFMGLX"
curl -sc /tmp/cookie "https://drive.google.com/uc?export=download&id=${FILE_ID}" > /dev/null
CODE="$(awk '/_warning_/ {print $NF}' /tmp/cookie)"
curl -sLb /tmp/cookie "https://drive.google.com/uc?export=download&confirm=${CODE}&id=${FILE_ID}" -o aist_living_lab_2.zip
unzip aist_living_lab_2.zip

# 運行跟蹤和建圖程序
./run_video_slam -v ./orb_vocab/orb_vocab.dbow2 -m ./aist_living_lab_1/video.mp4 -c ./aist_living_lab_1/config.yaml --frame-skip 3 --no-sleep --map-db map.msg
# click the [Terminate] button to close the viewer
# you can find map.msg in the current directory

# r運行定位程序
./run_video_localization -v ./orb_vocab/orb_vocab.dbow2 -m ./aist_living_lab_2/video.mp4 -c ./aist_living_lab_2/config.yaml --frame-skip 3 --no-sleep --map-db map.msg

如果你想在公開數據集上運行OpenVSLAM，可以參照這個官方文檔

2.5 總結

作者的文檔還是很詳細的，不過有一些細節你在自己電腦上運行時可能需要修改一下，不然不能成功。可以試一下運行效果，我實驗了EuRoC的一個比較困難數據集，效果還不錯，在幾乎快要純黑的環境中還能有不錯的表現。

後續我會寫代碼的解析筆記，盡請期待！

參考資料：

Shinya Sumikura, Mikiya Shibuya, and Ken Sakurada. 2019. OpenVSLAM: A Versatile Visual SLAM Framework. In Proceedings of the 27th ACM International Conference on Multimedia (MM ’19). Association for Computing Machinery, New York, NY, USA, 2292–2295. DOI:https://doi.org/10.1145/3343031.3350539
OpenVSLAM官方文檔

開源SLAM框架學習——OpenVSLAM源碼解析：第一節安裝和初探

1. OpenVSLAM

1.1 介紹

1.2 主要貢獻

1.3 實驗結果

1.4 總結

2. 安裝

2.1 克隆源代碼：

2.2 安裝依賴庫

2.3 編譯源碼

2.4 運行

2.5 總結

參考資料：

通過HPA+CronHPA組合應對業務複雜彈性伸縮場景

開源SLAM框架學習——OpenVSLAM源碼解析：第一節安裝和初探

解讀《視覺SLAM十四講》，帶你一步一步入門視覺SLAM—— 第 11 講後端 2

Cmake配置工程，管理src和include文件夾，構建最常見的工程目錄結構

OpenCV中圖像Mat常用的淺拷貝和深拷貝操作和區別

最簡單的針孔相機模型標定方法，使用Matlab進行快速可視化相機標定，小白專用，超詳細

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結

開源SLAM框架學習——OpenVSLAM源碼解析： 第一節 安裝和初探

1. OpenVSLAM

1.1 介紹

1.2 主要貢獻

1.3 實驗結果

1.4 總結

2. 安裝

2.1 克隆源代碼：

2.2 安裝依賴庫

2.3 編譯源碼

2.4 運行

2.5 總結

參考資料：

開源SLAM框架學習——OpenVSLAM源碼解析：第一節安裝和初探