使用自己的TUM数据集来实现ORBSLAM稠密建图

2024-02-01 15:10
文章标签 数据 实现 使用 建图 稠密 tum 集来 orbslam

本文主要是介绍使用自己的TUM数据集来实现ORBSLAM稠密建图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

​

简介

  • 项目链接：https://github.com/LeonardoDiCaprio1/Map_ORBSLAM_ROS
  • 奥比中光ROS功能驱动包：https://github.com/LeonardoDiCaprio1/astra_camera
  • 笔者参照很多大佬的文章和相关代码并添加了一些功能而且最终编译出来，现在分享给大家

硬件设备

  • 奥比中光深度相机（Astra）
  • 笔记本电脑（AMD）

操作环境

  • Ubuntu 20.04
  • ROS Noetic

额外依赖

  • pcl-1.13
  • Pangolin-0.6
  • boost-1.79.0
  • realsense2
注：Ubuntu 20.04 ROS Noetic自带OpenCV-4.2.0

安装依赖

1.安装git，g++，python

  • ORBSLAM3需要C++11和C++0x 编译器
sudo apt-get install git
sudo apt install g++
sudo apt install libpython2.7-dev

2.安装EIGEN库

sudo apt-get install libeigen3-dev
  • 检查是否安装成功
cat /usr/include/eigen3/Eigen/src/Core/util/Macros.h

3.安装Pangolin-0.6

  • 安装依赖
sudo apt install libgl1-mesa-dev
sudo apt install libglew-dev
sudo apt install libpython2.7-dev
sudo apt install pkg-config
sudo apt install libegl1-mesa-dev libwayland-dev libxkbcommon-dev wayland-protocols
  • 编译与安装
cd Pangolin-0.6
mkdir build
cd build 
cmake ..
make 
sudo make install
  • 卸载说明
cd build 
sudo make uninstall
  • 查看是否安装成功
cd examples/HelloPangolin
./HelloPangolin
  • 注：pcl-1.13的编译与下载和Pangolin-0.6操作相同，后续不在叙述

4.安装OpenCV依赖

sudo apt-get install build-essential libgtk2.0-dev libgtk-3-dev libavcodec-dev libavformat-dev libjpeg-dev libswscale-dev libtiff5-dev
sudo apt install python3-dev python3-numpy
sudo apt install libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev
sudo apt install libpng-dev libopenexr-dev libtiff-dev libwebp-dev
  • 检查OpenCV版本号
pkg-config --modversion opencv4

5.安装boost库

  • 链接
sudo ./bootstrap.sh
sudo ./b2 install

6.安装realsense2

  • 注册public key
sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-key F6E65AC044F831AC80A06380C8B3A55A6F3EFCDE || sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-key F6E65AC044F831AC80A06380C8B3A55A6F3EFCDE
  • 添加apt源
sudo add-apt-repository "deb https://librealsense.intel.com/Debian/apt-repo $(lsb_release -cs) main" -u
  • 安装
sudo apt install librealsense2-dkms librealsense2-utils librealsense2-dev

7.安装编译Map_ORBSLAM_ROS

cd Map_ORBSLAM_ROS
chmod +x *.sh
./build.sh
注：这里为了防止线程卡死，你可以在build.sh文件中将其相关代码改为make

8.TUM数据集稠密建图

./run_rgb_mapping.sh
或者
source build/devel/setup.bash
roslaunch orb_slam3 rgbd_mapping_1.launch

制作TUM数据集

  • 奥比中光bag包录制
rosbag record -O image.bag /camera/rgb/image_raw /camera/depth/image_raw
  • 查看奥比中光订阅话题
rosbag info image.bag
  • 首先创建rgb和depth文件夹和txt文件
mkdir rgb
mkdir depth
touch rgb.txt
touch depth.txt
  • 使用脚本get_TUM_better.py或者get_TUM.py或者get_tum.py获取深度图和彩色图并分别得到txt文件
  • 若是TUM官方数据集的bag文件请使用TUM_official.py文件
python3 get_TUM_better.py
  • 使用官方脚本得到associate.txt文件
python3 associate.py rgb.txt depth.txt  > associate.txt
  • 执行指令例子
./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM1.yaml /home/zhao/script /home/zhao/script/associate.txt

  • 效果展示
    result

  • TUM官方数据集bag文件信息

bag TUM

注：你可以使用其他的深度相机制作TUM数据集，但要注意相机的规格参数，实验过程中使用的是奥比中光深度相机，TUM官方数据集给的bag文件除了相机深度话题和彩色话题以外还有imu和tf话题。

制作TUM数据集-稠密建图

  • 首先在当级目录下创建rgb.txt和depth.txt以及rgb和depth文件夹
mkdir rgb
mkdir depth
touch rgb.txt
touch depth.txt
  • 运行scripts中的get_TUM.py文件或者get_TUM_better.py文件
python3 get_TUM_better.py
  • 若是TUM官方数据集的bag文件请使用scripts中的TUM_official.py文件
python3 TUM_official.py
  • 运行associate.py得到associate.txt文件
python3 associate.py rgb.txt depth.txt  > associate.txt
  • 使用自己的数据集稠密建图
./run_rgb_mapping.sh
  • 运行样例
    Example

稠密建图效果

  • 建完图后pcd文件默认保存在.ros隐藏文件夹中
  • Ctrl + H 能够快速的调出隐藏文件
  • 安装pcl工具
sudo apt-get install libpcl-dev pcl-tools
  • pcl查看建图效果
pcl_viewer vslam.pcd
  • 开源项目scripts文件夹中有matlab脚本
  • 你也可以使用CouldCompare软件打开pcd文件
  • 笔者默认使用matlab打开pcd文件

效果展示

在这里插入图片描述

相机内参标定

  • 将以下的照片打印在A4纸上，拍摄20张左右的图片
  • 可以通过rosbag录制1-2秒，用get_tum.py或者get_TUM.py获取彩色图像
  • 存放在cameraCalib.py同一级目录下

内参标定

  • 执行代码
python3 cameraCalib.py
  • 注：例子Example.yaml在scripts里

使用EVO测评TUM官方数据集

  • evo_ape：计算绝对位姿误差(absolute pose error)，用于整体评估整条轨迹的全局一致性
  • evo_rpe：计算相对位姿误差(relative pose error)，用于评价轨迹局部的准确性
  • -a轨迹对齐，-s尺度缩放，-p绘制误差相关曲线，-v开启详细的输出或日志记录
  • 在执行完以下指令后可以获得CameraTrajectory.txt和KeyFrameTrajectory.txt
./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM1.yaml /home/zhao/script /home/zhao/script/associate.txt
  • 注意事项：本文是针对CameraTrajectory.txt和KeyFrameTrajectory.txt进行评估的，因为后面评估自己的TUM数据集只有这两个文件，groundtruth.txt可能需要特殊处理来生成，笔者暂时没有方法去实现，这可能需要额外的设备去获取相对位姿
  • 如果出现以下情况请不要担心！
       max	0.000000mean	0.000000median	0.000000min	0.000000rmse	0.000000sse	0.000000std	0.000000
  • 一般而言可以使用groundtruth.txt和CameraTrajectory.txt或者KeyFrameTrajectory.txt进行对比评估
  • 以下是一个样例
evo_ape tum groundtruth.txt CameraTrajectory.txt -p --plot -s --correct_scale -a --align -v

在这里插入图片描述

  • pip安装evo工具
pip install evo --upgrade --no-binary evo

绘制多条轨迹

  • evo_traj绘制轨迹
evo_traj tum CameraTrajectory.txt KeyFrameTrajectory.txt  -p --plot_mode=xyz
  • TUM数据集有groundtruth.txt文件，可以执行以下指令：
evo_traj tum CameraTrajectory.txt KeyFrameTrajectory.txt groundtruth.txt -p --plot_mode=xyz
  • trajectories
    在这里插入图片描述
  • xyz_view
    在这里插入图片描述
  • rpy_view
    在这里插入图片描述
  • 欧拉角（roll，pitch，yaw）分别表示滚动角，俯仰角，偏航角

评估绝对位姿误差

  • evo_ape评估绝对位姿误差指令
evo_ape tum CameraTrajectory.txt KeyFrameTrajectory.txt -p --plot -s --correct_scale -a --align -v --save_results ~/path/to/ape.zip
  • 当然你可以省略–save_results ~/path/to/ape.zip
evo_ape tum CameraTrajectory.txt KeyFrameTrajectory.txt -p --plot -s --correct_scale -a --align -v

结果展示

在这里插入图片描述

  • APE平均百分误差
  • rmse均方根误差
  • median中位数
  • mean算术平均数
  • std标准差

在这里插入图片描述

评估相对位姿误差

  • evo_rpe评估相对误差指令
 evo_rpe tum CameraTrajectory.txt KeyFrameTrajectory.txt -p -a -s -v --save_results ~/path/to/rpe.zip
  • 当然你可以省略–save_results ~/path/to/rpe.zip
 evo_rpe tum CameraTrajectory.txt KeyFrameTrajectory.txt -p -a -s -v

结果展示

在这里插入图片描述

  • APE平均百分误差
  • rmse均方根误差
  • median中位数
  • mean算术平均数
  • std标准差
    在这里插入图片描述
  • 输出ape结果进行比较
evo_res ape.zip -p --save_table ape.csv
  • 当然你可以省略–save_table ape.csv
evo_res ape.zip -p
结果展示

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

使用EVO工具测评自己的TUM数据集

  • evo_traj绘制多条轨迹指令如下：
evo_traj tum CameraTrajectory.txt KeyFrameTrajectory.txt  -p --plot_mode=xyz
  • trajectories
    在这里插入图片描述
  • xyz_view
    在这里插入图片描述
  • rpy_view
    在这里插入图片描述

注：evo评估自己的TUM数据集结果不做过多演示，后续可以自己操作并输出自己的TUM数据集的评估结果

项目链接展示

  • TUM官方数据集-哔哩哔哩

  • 自己的TUM数据集-哔哩哔哩

  • TUM数据集

主要参考链接

  • https://blog.csdn.net/kuvinxu/article/details/125992909
  • https://blog.csdn.net/kuvinxu/article/details/126233165
  • https://github.com/lturing/ORB_SLAM3_ROS
  • https://blog.csdn.net/peng_258/article/details/127414959
  • https://blog.csdn.net/zardforever123/article/details/127138151
  • https://blog.csdn.net/weixin_47074246/article/details/109134740
  • https://blog.csdn.net/qq_43265072/article/details/104715515

​

这篇关于使用自己的TUM数据集来实现ORBSLAM稠密建图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/667634。

相关文章

SpringBoot集成redisson实现延时队列教程

SpringBoot集成redisson实现延时队列教程

《SpringBoot集成redisson实现延时队列教程》文章介绍了使用Redisson实现延迟队列的完整步骤,包括依赖导入、Redis配置、工具类封装、业务枚举定义、执行器实现、Bean创建、消费... 目录1、先给项目导入Redisson依赖2、配置redis3、创建 RedissonConfig 配
阅读更多...
SpringBoot分段处理List集合多线程批量插入数据方式

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案：通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建
阅读更多...
PHP轻松处理千万行数据的方法详解

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理：为什么必不可少生成器：内存高效的迭代方式流量控制：避免系统过载一次性
阅读更多...
Python的Darts库实现时间序列预测

Python的Darts库实现时间序列预测

《Python的Darts库实现时间序列预测》Darts一个集统计、机器学习与深度学习模型于一体的Python时间序列预测库,本文主要介绍了Python的Darts库实现时间序列预测,感兴趣的可以了解... 目录目录一、什么是 Darts？二、安装与基本配置安装 Darts导入基础模块三、时间序列数据结构与
阅读更多...
Python使用FastAPI实现大文件分片上传与断点续传功能

Python使用FastAPI实现大文件分片上传与断点续传功能

《Python使用FastAPI实现大文件分片上传与断点续传功能》大文件直传常遇到超时、网络抖动失败、失败后只能重传的问题,分片上传+断点续传可以把大文件拆成若干小块逐个上传,并在中断后从已完成分片继... 目录一、接口设计二、服务端实现（FastAPI）2.1 运行环境2.2 目录结构建议2.3 serv
阅读更多...
C#实现千万数据秒级导入的代码

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很
阅读更多...
Spring Security简介、使用与最佳实践

Spring Security简介、使用与最佳实践

《SpringSecurity简介、使用与最佳实践》SpringSecurity是一个能够为基于Spring的企业应用系统提供声明式的安全访问控制解决方案的安全框架,本文给大家介绍SpringSec... 目录一、如何理解 Spring Security？—— 核心思想二、如何在 Java 项目中使用？——
阅读更多...
SpringBoot+RustFS 实现文件切片极速上传的实例代码

SpringBoot+RustFS 实现文件切片极速上传的实例代码

《SpringBoot+RustFS实现文件切片极速上传的实例代码》本文介绍利用SpringBoot和RustFS构建高性能文件切片上传系统,实现大文件秒传、断点续传和分片上传等功能,具有一定的参考... 目录一、为什么选择 RustFS + SpringBoot？二、环境准备与部署2.1 安装 RustF
阅读更多...
Nginx部署HTTP/3的实现步骤

Nginx部署HTTP/3的实现步骤

《Nginx部署HTTP/3的实现步骤》本文介绍了在Nginx中部署HTTP/3的详细步骤,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录前提条件第一步：安装必要的依赖库第二步：获取并构建 BoringSSL第三步：获取 Nginx
阅读更多...
springboot中使用okhttp3的小结

springboot中使用okhttp3的小结

《springboot中使用okhttp3的小结》OkHttp3是一个JavaHTTP客户端,可以处理各种请求类型,比如GET、POST、PUT等,并且支持高效的HTTP连接池、请求和响应缓存、以及异... 在 Spring Boot 项目中使用 OkHttp3 进行 HTTP 请求是一个高效且流行的方式。
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2