Ubuntu18.04版本下配置ORB-SLAM3和数据集测试方法

---

环境说明

使用：VMware Workstation Pro
虚拟机系统版本是：Ubuntu 18.04.06
虚拟机内存：8g（若为4g大小，很容易出现后文中ORB-SLAM3编译时会出现的内存问题）
虚拟机存储：50g

若是配置完发现存储空间不足，可以参考这篇博客进行清理：

下载配置技巧：Ubuntu18.04安装vmware-tools解决无法复制粘贴和自由移动文件的问题
按照文章描述的内容完成安装后，可以在主机可以的情况下先下载好文件，而后挪入到虚拟机当中，有一定程度的便利

---

必要配置

打开终端，分别输入

sudo apt-get install git # 为了可以使用git指令

(这样才能在终端界面上使用如，git clone这样的指令)

sudo apt-get remove vim-common # 卸载旧版本vi编辑器
sudo apt-get install vim # 安装新版本的vi编辑器

sudo apt-get install build-essential # 安装g++和gcc

(为了避免如链接所描述的问题）

---

一、Pangolin

源码和库文件下载

1、链接地址下载：Pangolin
2、git 指令下载：

git clone https://github.com/stevenlovegrove/Pangolin.git

依赖安装和编译安装

安装依赖：

sudo apt install libgl1-mesa-dev
sudo apt install libglew-dev
sudo apt install cmake
sudo apt install libpython2.7-dev
sudo apt install pkg-config
sudo apt install libegl1-mesa-dev libwayland-dev libxkbcommon-dev wayland-protocols

编译安装：

cd Pangolin # 进入Pangolin文件夹
mkdir build # 创建Build文件夹
cd build    # 进入build文件夹
cmake ..    # 依照上级目录的CMakeLists.txt文件编译
cmake --build .

二、Eigen3

源码和库文件下载

1、链接地址下载：Eigen3
2、git 指令下载：

git clone https://github.com/eigenteam/eigen-git-mirror # github 有个mirror,版本3.3.4 from 2017

编译安装

cd eigen-git-mirror 
mkdir build 
cd build 
cmake .. 
sudo make install
#安装后,头文件安装在/usr/local/include/eigen3/

三、Opencv

源码和库文件下载

Opencv：下载Opencv3.4.3版本

https://opencv.org/releases/page/5/

ippicv库：电脑配置了并且可以进入外网，可以忽略这部分下载

https://github.com/opencv/opencv_3rdparty/blob/dfe3162c237af211e98b8960018b564bc209261d/ippicv/ippicv_2017u3_lnx_intel64_general_20170822.tgz

编译安装

准备工作
1、修复error: unable to locate libjasper-dev 无法定位这个包libjasper-dev
输入：

sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt update
sudo apt install libjasper1 libjasper-dev

2、修复终端报错提示ippicv_2017u3_lnx_intel64_general_20170822.tgz的加速库下载失败
电脑配置了并且在开始编译的时候可以进入外网的同学，可以忽略这步
错误示例：

把OpenCV源文件中 /3rdparty/ippicv 文件夹下的 ippicv.cmake 中，

第47行的

"https://raw.githubusercontent.com/opencv/opencv_3rdparty/${IPPICV_COMMIT}/ippicv/" 

改成你新下载的ippicv文件路径
更改示例：

更新依赖库：

sudo apt-get update

安装依赖：

sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg-dev libtiff5-dev libswscale-dev libjasper-dev

# 原博客安装的是libtiff4-dev，运行过程报错，改成libtiff5-dev

编译安装：（跳过准备工作中的加速库配置的同学记得打开进入外网）

cd opencv-3.4.3
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install

配置环境：
1）添加库路径

sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'

2）更新系统库

sudo ldconfig

3）配置bash

sudo gedit /etc/bash.bashrc

在末尾添加如下两行代码

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig  
export PKG_CONFIG_PATH 

4）保存，执行如下指令使得配置生效

source /etc/bash.bashrc 

5）更新

sudo updatedb  

如果该指令报错，那么可能是没有安装mlocate

先执行安装命令

apt-get install mlocate

然后再

sudo updatedb

6）版本检测

pkg-config --modversion opencv

注意：如果执行后，显示找不到包。那么注意下载的OpenCV版本是不是3.版本的，OpenCV版本4以上的，默认不生成.pc文件，会出现找不到包的问题

输出如下，表示OpenCV完成了安装

四、DBoW2 和 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 和 g2o，编译时会自动安装。不用管。

五、boost

源码和库文件下载

链接地址：下载1.77.0版本的boost_1_77_0.tar.gz

https://www.boost.org/users/history/

编译安装

对下载的文件进行解压后，进入文件夹boost_1_77_0，在此打开终端
分别执行：

sudo ./bootstrap.sh

sudo ./b2 install

需要一定时间，需要耐心等待

六、libssl-dev

直接打开终端，执行：

sudo apt-get install libssl-dev

七、ORB-SLAM3

源码和库文件下载

1、链接地址下载：ORB-SLAM3
2、git clone指令：

git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git

编译安装

准备工作：
修改CMakeLists.txt：打开ORB-SLAM3目录下的CMakeLists.txt，找到第33行

find_package(OpenCV 4.4)

将OpenCV版本号改为：

find_package(OpenCV 3.4)

修改build.sh：在将虚拟机内存改为8G的前提下，将ORB_SLAM3目录下的build.sh中的文件内容修改为：

echo "Configuring and building Thirdparty/DBoW2 ..."

cd Thirdparty/DBoW2
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j4
cd ../../g2o

echo "Configuring and building Thirdparty/g2o ..."

mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j4
cd ../../Sophus

echo "Configuring and building Thirdparty/Sophus ..."

mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j4
前三块都在ORB-SLAM3目录下的Thirdparty文件夹中，
若是中断了，可以在对应文件夹里跳过cd执行剩余内容

cd ../../../
#此处在ORB-SLAM3的目录下
echo "Uncompress vocabulary ..."

cd Vocabulary
tar -xf ORBvoc.txt.tar.gz
cd ..
echo "Configuring and building ORB_SLAM3 ..."

mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make
#此块内容最容易出错，且耗时长，我大概编译了四十分钟

必要说明：
将make改为make -j4会加快编译速度，但也会加大内存的占用，遇到问题：

Makefile:83: recipe for target 'all' failed
make: *** [all] Error 2

所以最后一块内容的编译是，make
使用make进行编译，内存占比在4g左右浮动，尽量需要虚拟机内存大于4g，这就是上文虚拟机内存选择8g的原因

开始编译：

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

编译成功示例如下：

最后一块编译内容里容易出现的错误：

解决方法是打开对应的文件，如Tracking.cc, LoopClosing.cc等

在include后面添加以下代码：

namespace cv
{
    template <typename _Tp, int m, int n>
    static inline Matx<_Tp, m, n> operator/(const Matx<_Tp, m, n> &a, float alpha)
    {
        return Matx<_Tp, m, n>(a, 1.f / alpha, Matx_ScaleOp());
    }
}

修改完后重新运行build.sh进行编译即可

其他可参考的错误解决方案：
安装orbslam3时报错：error: no match for ‘operator/’
ORB-SLAM2编译错误_嵙杰的博客-CSDN博客

数据集测试

解压下载的数据集后（若该文件夹不名为V102，请改为V102），

V102文件夹里有一个mav0的文件夹，还有可能出现的_MACOSX 文件夹（该文件夹是缓存垃圾，可以直接删除）

在ORB-SLAM3文件夹下创建文件夹dataset，将文件夹V102移入dataset

形成的目录结构如下

/ORB-SLAM3/dataset/V102/mav0

在ORB-SLAM3文件夹下打开终端，执行指令

./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml ./dataset/V102 ./Examples/Monocular-Inertial/EuRoC_TimeStamps/V102.txt dataset-V102_monoi

成功运行界面：

---

参考链接

ORB-SLAM3配置及安装教程（2023.3）
ORB-SLAM3配置安装及运行—Ubuntu20.04（2021年）

文章的很多内容有所缩减，只是为了配置安装，若是希望对细节有所了解，可以查看一下参考链接