使用ORB_SLAM2进行全场定位

前言

ORB_SLAM近年来在slam问题上取得了state-of-art的结果，运行速度很快，在i5的NUC上运行帧率可达20帧/s。今年，原作者又公布了ORB_SLAM2源码，程序更加简洁，并且增加了localization mode功能。本篇博客讲介绍如何搭建ORB_SLAM2的运行环境，构建地图，加载离线地图并进行全场定位。

---

实现

环境配置

 (1)下载源码：https://github.com/raulmur/ORB_SLAM2
 (2)根据作者列出的依赖项安装相应的依赖，注意opencv的版本最好为作者测试的版本2.4.11。经踩坑，使用opencv3.0会报错。
 (3)建议安装ros indigo，本文的测试都是建立在ORB_SLAM2的ROS版本上。
 (4)下载read camera软件包，作为调用摄像头图像的一个ROS节点。下载链接：http://download.csdn.net/detail/u011853479/9610843
 (5)运行read_cam节点

rosrun read_cam webCameraRead

(6)运行ORB_SLAM2节点

cd ~/ORB_SLAM2/Example/ROS/ORB_SLAM2
./Mono ~/ORB_SLAM2-master/Vocabulary/ORBvoc.txt ~/ORB_SLAM2/Examples/Monocular/TUM1.yaml

若成功运行，则表示slam环境配置成功，接下来便可进行下一步工作。

---

离线地图的加载与全场定位

论文作者给出的源码是不支持地图的保存与载入了，因此需要对源码进行修改。所幸github上已经有网友做完了这部分工作，源码链接http://recherche.enac.fr/~drouin/slam/orbslam2/poine_orbslam2_04_07_16.tgz。

(1)下载源码，以同样的步骤编译源码。
(2)将自己使用的相机标定文件替换掉源码中的标定文件
(3)运行read_cam节点
(4)构建地图

./Mono ~/ORB_SLAM2-master/Vocabulary/ORBvoc.txt ~/MyCamera.yaml false

(5)当地图构建完成后，点击GUI上的localization mode，ctrl+c结束该节点，地图便保存为Slam_latest_Map.bin
(6)加载离线地图：将地图的名字改为Slam_Map.bin，执行以下命令：

./Mono ~/ORB_SLAM2-master/Vocabulary/ORBvoc.txt ~/MyCamera.yaml true

经过漫长的字典加载过程，将会看到之前建好的地图，和相机的当前位置。

---

总结

ORB_SLAM2总体来说是一个非常优秀的slam源码，单目的效果也很好，速度很快，实时性较高。比较适合于光照条件比较稳定、纹理较为丰富的室内环境。实验中发现，光照对ORB_SLAM的效果影响较大，对于重复纹理的背景容易出现误匹配现象，大家在使用过程中都应该尽力避免。
以上是初步的使用心得，后面将会仔细地阅读源码和论文，做点更有价值的工作。