msckf_mono构建运行方法

背景

博主是在读Davide Scaramuzza投稿到ICRA
2018的VIO综述文章《A Benchmark Comparison of Monocular Visual-Odometry Algorithms for Flying Robots》时，发现论文给出了单目版msckf算法参考实现的github链接地址，此前，这份参考实现并没有开放源代码。

构建过程及运行

1. 依赖项

• ROS Kinetic（应该主要是为了用到rviz的可视化）
• OpenCV
  
  • 直接用系统默认的，没有的话，运行如下命令：
    
$ sudo apt-get install libopencv-dev

• Boost
  
  • 直接用系统的，没有的话，运行如下命令：
    
$ sudo apt-get install libboost-dev

• Eigen
  
  • 直接用系统的，没有的话，运行如下命令：
    
$ sudo apt-get install libeigen3

• fast
  
  • 这是唯一一个需要自行编译的第三方依赖库，源码来自uzh-rpg，构建指令如下：
    
$ cd ANY_PATH
$ git clone https://github.com/uzh-rpg/fast
$ cd fast
$ mdkir build
$ cd build
$ cmake ..
$ make


2. 构建msckf_mono

• 先建立ROS工作空间，指令序列如下：

$ cd ANY_PATH
$ mkdir catkin_ws
$ cd catkin_ws
$ mkdir src

• 接下来就是拉取msckf_mono的源码到工作空间的src路径下，指令是：

$ cd src  ## 延续上一步
$ git clone https://github.com/daniilidis-group/msckf_mono

• 在正式构建之前，稍微修改一下目录msckf_mono下的CMakeLists.txt文件，使之能找得到刚刚自行编译的fast库，方法如下：
  
  • 将find_package(fast REQUIRED)一行注释掉
  • 在其下添加如下两行指令：
    
set(fast_INCLUDE_DIRS ${ANY_PATH}/fast/include)
set(fast_LIBRARIES ${ANY_PATH}/fast/build/libfast.a)

    注：这里之所以要这么做，是因为我没有将fast安装到系统的标准位置，而是手动指定了一下。为了方便，就偷个懒，请见谅。
• 构建msckf，指令如下：

$ cd ANY_PATH/catkin_ws
$ catkin_make
$ source devel/setup.bash

3. 运行

运行的方法就是README中的那一条指令了，以MH_01_easy数据集为例，如下：

$ roslaunch msckf_mono asl_msckf.launch data_set_path:=YOUR_DATASET_PATH/MH_01_easy/mav0 stand_still_end:=1403636625413555456.

这里，要注意的地方有两点
第一，源码对EuRoC的数据集有一个小要求，就是所有的.yaml文件，都要在首行添加一句%YAML:1.0，这样做，仅仅是为了满足代码中OpenCV函数能顺利读取.yaml文件。
第二，也是最重要的一点，就是stand_still_end参数，要设置成数据集里飞机起飞时刻的时间戳。建议感兴趣的读者，利用二分法试验各个数据集，找到起飞点的时间戳。

下面，给出一个运行截图：

简评

• 算法对初始化的运动模式要求很苛刻，对于EuRoC数据集来说，一定要在飞行器起飞的瞬间开始运行程序。以MH_01_easy为例，博主是在试验了不同的起始时间戳之后，才使初始化位姿不发散。直接从数据序列的起点开始运行，初始化的效果很差，轨迹甚至会直接飞掉。
• 从MH_01_easy数据集的运行结果直观看，轨迹的精度不算差。一方面，真值曲线（绿色）和估计的轨迹曲线全程的重合度相对较高，另一方面，轨迹最终以较小的偏差延伸到了飞行器出发位置。但根据前述文章的评测，其精度相较于OKVIS等算法，要逊一些。
• 当然，根据论文作者的评测，这个版本的实现在鲁棒性、实时性方面还是很好的，见论文的DISCUSSION部分及相关的数据表格。