Ubuntu16.04下ORB_SLAM3的编译及运行【完整教程】

（PS：由于项目需求，要复现ORB-SLAM3开源算法。在这里记录下本人的实现过程。）

0 ORB_SLAM3简介

来源：【开源方案共享】ORB-SLAM3开源啦！
ORB_SLAM3在2020年7月中旬开源了！这是一个能够使用单目，立体，RGB-D相机，兼容针孔以及鱼眼相机模型进行视觉、视觉+惯导和多地图的SLAM方案。该方案主要有如下三个创新点：

1. 实现了基于视觉特征与惯导的紧耦合SLAM系统，该系统完全依赖Maximum-a-Posteriori（MAP）估计，即便在初始化阶段也是如此。这种方案无论在小型或者大型室内室外环境中都能够稳定的运行，并且比以前的方法精确了2-5倍。（朋友们？你听到这个结果兴奋吗？可以养活一大批SLAM工作者和企业）
2. 多地图系统的融合。依赖于一种新的位置识别和改进的回环检测，能够保证ORB-SLAM3能够长时间的在特征点不良的环境下有效的运行，并且当它跟丢的时候，就会重新启动一个新的地图，当相机故地重游的时候，系统能够无缝的合并多个地图。
3. 与一般的视觉里程计只能利用最后相邻几帧图像数据相比，ORB-SLAM3是第一个能够在算法阶段重用所有历史信息的系统，其中包含了共视帧之间的捆集调整（BA），即使共视帧在时间上相差甚远，甚至来自不同的地图，实验表明，在所有的传感器配置中，ORB-SLAM3与文献中可用的最好的系统一样健壮，并且更精确。值得注意的是，我们的立体惯性SLAM在EuRoC无人机上的平均精度为3.6厘米，在TUM-VI数据集（AR/VR场景的一个典型场景）中，快速手持式移动时的平均精度为9毫米。

1 环境说明

为了方便，本人使用VMware Workstation软件进行虚拟机安装。
本人linux系统版本为：ubuntu 16.04 LTS。对于刚安装的系统，下面所有步骤都要执行，一步步耐心执行就行。

2 各种库的下载安装

2.1 源码下载

见论文作者的Github： https://github.com/UZ-SLAMLab/ORB_SLAM3.

2.2 Pangolin安装

Pangolin主要用于可视化和用户界面。安装详见官方教程：https://github.com/stevenlovegrove/Pangolin，一步步执行便可完成。（笔者未安装标记有Optional Dependencies的可选包）

2.3 opencv安装

opencv主要用于ORB特征点提取。源码要求OpenCV 3.2及以上。
笔者在安装opencv安装时，遇到了ippicv库的大坑，耽误了好长时间。笔者上篇博客介绍了解决方案: ubuntu16.04下opencv3.4.1的安装及测试（含ippicv离线配置过程）.

2.4 Eigen 3安装

Eigen 3主要用于矩阵计算。Eigen库的最低版本：3.1.0，安装见官网： http://eigen.tuxfamily.org.
注意：
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。因此要利用源码安装，将安装路径改到/usr/local/include/eigen3/，具体参考链接第二种方案：Ubuntu18.04 两种方式安装eigen3。

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 Python

一般ubuntu系统自带，为了保险，可执行下面的指令。

sudo apt install libpython2.7-dev

2.7 其他环境配置（ 若执行3.1报ERROR，请回看这里）

笔者遇到了下面几种错误，先写下来：
（1）虽然安装了Eigen，但编译时仍检测不到Eigen，解决方案见上面的2.4小节；
（2）编译报boost错误。则需安装boost库，本人参考的链接如下：Ubuntu16.04安装boost库；
（3）报openssl的错误：System.cc:26:25: fatal error: openssl/md5.h: No such file or directory。则需安装openssl-devel。执行如下指令：

sudo apt-get install libssl-dev

（4）编译提示：virtual memory exhausted: Cannot allocate memory，表示虚拟内存不足。则需增加Swap虚拟内存。本人参考链接：ubuntu设置swap（交换内存），将虚拟内存设置成了10G。（系统重启后Swap会自动删除）。

3 ORB_SLAM3的编译和安装【重点】

3.1 源码编译

进入源码目录，分别执行下面三条指令。

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

效果如下：

到68%左右编译会卡住20分钟不动，界面如下：

这时候另开终端，用指令查看内存：

free -m

会发现编译开始大量使用内存：

最多时候申请使用了14G的内存。

如果内存不够，编译也会报错。这时候需要申请Swap，见上面的2.7（4）。

所有库都安装后，等待20-40分钟，就可编译完成。效果如下：

3.2 数据集测试

按照ORB_SLAM3作者的Github说明，从https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets#downloads 下载一个ASL格式的序列（本人下载的Machine Hall 01数据集，简称MH01），之后双击打开ORB-SLAM3源码中的脚本“euroc_examples.sh“，找到包含MH01的指令：

./Examples/Monocular/mono_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular/EuRoC.yaml "$pathDatasetEuroc"/MH01 ./Examples/Monocular/EuRoC_TimeStamps/MH01.txt dataset-MH01_mono

将"$pathDatasetEuroc"/MH01改成自己数据集的路径，本人为：./Datasets/MH01 ，并去掉指令中的dataset-MH01_mono，最终改成的指令如下：

./Examples/Stereo/stereo_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo/EuRoC.yaml ./Datasets/MH01 ./Examples/Stereo/EuRoC_TimeStamps/MH01.txt

在终端执行上述指令，便开始运行ORB-SLAM3了，效果如下：

原创不易。有用请随手点赞+关注，谢谢！
（本人小硕士生一枚，主要研究方向包括：计算机视觉、三维重建、机器人等）