orbslam2运行于jetson nano平台
ORB_SLAM2 (jetson nano平台)
一 . 安装环境
linux ubuntu 18.04 (jetson nano)
二 . 克隆仓库
git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2
三. 在安装之前需要安装一些依赖库
1. Pangolin(作为可视化和用户界面)
安装前先安装一些依赖
sudo apt-get install libglew-dev
sudo apt-get install libboost-dev libboost-thread-dev libboost-filesystem-dev
sudo apt-get install libpython2.7-dev
sudo apt-get install build-essential
git clone https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
mkdir build
cd build
cmake ..
make (尽量不要用make -j，容易卡死，除非CPU性能好)
sudo make install
reference to 下载pangolin库
2. OpenCV
我在这用的是opencv3.3.1
注意：这里的opencv版本问题非常重要，不同的版本号可能会不兼容，会出现各种错误，只能重新编译，可能会花费大量的时间寻找错误和解决问题
3. Eigen3
使用以下命令进行安装
sudo apt-get install libeigen3-dev
4. DBoW2(用于索引图像并将其转换为单词表示形式)
这个库在ORB_SLAM2中的Thirdparty(第三方库)中已经给了，直接编译即可
cd DBoW2
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make
5. g2o(用于优化基于图的非线性误差函数)
已在Thirdparty文件夹中给出
安装依赖项
sudo apt-get install cmake libeigen3-dev libsuitesparse-dev qtdeclarative5-dev
qt5-qmake libqglviewer-dev
然后编译安装
cd g2o
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make
四 . 编译ORB_SLAM2
之前已经克隆过仓库(git clone)
之后执行如下指令:(确保依赖库都已安装)
cd ORB_SLAM2
chmod +x build.sh
./build.sh
会在lib文件夹中生成libORB_SLAM2.so，在Example文件夹中生成可执行文件 mono_tum, mono_kitti, rgbd_tum, stereo_kitti, mono_euroc 和 stereo_euroc
这部如果出错了可能是因为路径没添加，参见五(1)
五 . ROS Examples
1 . 为单目，双目，深度相机建立结点
将包含Examples / ROS / ORB_SLAM2的路径添加到ROS_PACKAGE_PATH环境变量中。 打开.bashrc文件并在末尾添加以下行。 用克隆的文件夹ORB_SLAM2替换PATH：
vi ~/.bashrc
export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:PATH/ORB_SLAM2/Examples/ROS
2 . 运行单目结点(mono)
由于使用USB摄像头作为图像输入，要先将摄像头接上，再启动usb_cam结点，需要将图像信息作为topic发送出去，ROS官网提供了usb_cam的package代码，从github上下usb_cam的代码，下载链接
安装usb_cam源码
cd catkin_ws/src
git clone https://github.com/bosch-ros-pkg/usb_cam.git
cd ..
catkin_make
编译usb_cam
mkdir build
cd build
cmake ..
make
之后可以先测试一下usb摄像头
打开一个终端，运行roscore，之后再打开一终端，运行：
roslaunch usb_cam usb_cam-test.launch
对于来自topic / camera / image_raw运行节点ORB_SLAM2 / Mono的单目输入。需要提供词汇表文件和设置文件。
rosrun ORB_SLAM2 Mono PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE
这里的PATH_TO_VOCABULARY指的是vocabulary下的.txt文件，PATH_TO_SETTINGS_FILE指的是mono(单目)下的Tum1.yaml文件路径。
3. 相机标定
使用matlab标定工具也可以，这里我是运行标定程序camera_calibration，标定程序下载地址
rosrun camera_calibration cameracalibrator.py --size 7x5 --square 0.018 image:=/usb_cam/image_raw camera:=/usb_cam
注意：这里有几个参数需要根据自己设定 size 7x5的7x5标定棋盘的内角点数，不是色块数; square 0.018 是色块的大小，单位是米; image:=/usb_cam/image_raw camera:=/usb_cam，可以使用rostopic list查看：
rostopic list
之后会出现一个灰色的摄像头窗口，将事先准备好的棋盘置于摄像头之前移动，要出现摄像头的各个位置
**要求 : **
相机的左侧，右侧，顶部和底部的棋盘格
X栏 - 在视野中左/右
Y栏 - 视野中的顶部/底部
尺寸栏 - 朝向/离开并从相机倾斜
棋盘填满整个视野
棋盘向左，向右，向上和向下倾斜（歪斜）
在每个步骤中，保持棋盘静止，直到图像在校准窗口中突出显示。
移动棋盘时，校准侧栏上的三个条的长度增加，CALIBRATION按钮亮起时，就有足够数据校准，可以点击CALIBRATE查看结果。校准可能需要大概一分钟，等一会，最后点击save，可能有点卡，然后点击upload，数据会自动导入，之后重启摄像头即可完成标定。
之后使用命令找到相机标定的相关参数值，使用如下命令查看标定后的参数
cd .ros
cd camera_calibration
vi head_camera.yaml
将其填进/home/liluodanyu/workspace/catkin_ws/src/ORB_SLAM2/Examples/ROS/ORB_SLAM2/Asus.yaml 中
4 .运行ORB_SLAM2
启动三个终端
1.启动ros
roscore
2.运行单目结点
cd到usb_cam中的launch文件中执行如下命令来启动摄像头
roslaunch usb_cam-test.launch
3.最终运行
rosrun ORB_SLAM2 Mono /home/ｘｘ/workspace/catkin_ws/src/ORB_SLAM2/Vocabulary/ORBvoc.txt /home/xx/workspace/catkin_ws/src/ORB_SLAM2/Examples/ROS/ORB_SLAM2/Asus.yaml
路径写自己的路径即可。
over