tommyhannan/visual_slam

Rollo_SLAM

Rollo_SLAM是一个适用于单目和RGB-D相机的实时SLAM库，可计算相机轨迹并进行稀疏3D重建（RGB-D场景下具有真实尺度），支持实时闭环检测与相机重定位。

1. 许可证

Rollo_SLAM基于https://github.com/eperdices/SD-SLAM/blob/master/License-gpl.txt%E5%8F%91%E5%B8%83%E3%80%82

2. 前提条件

我们已在Ubuntu 16.04上测试该库，在其他平台编译也应较为容易。

Pangolin

使用https://github.com/stevenlovegrove/Pangolin%E8%BF%9B%E8%A1%8C%E5%8F%AF%E8%A7%86%E5%8C%96%E5%92%8C%E7%94%A8%E6%88%B7%E7%95%8C%E9%9D%A2%E4%BA%A4%E4%BA%92%E3%80%82%E4%B8%8B%E8%BD%BD%E4%B8%8E%E5%AE%89%E8%A3%85%E8%AF%B4%E6%98%8E%E8%A7%81%EF%BC%9Ahttps://github.com/stevenlovegrove/Pangolin%E3%80%82

OpenCV

使用OpenCV处理图像和特征。下载与安装说明见：[***]

Eigen3

使用Eigen3执行矩阵运算。下载与安装说明见：[***]

g2o（包含在extra文件夹中）

使用https://github.com/RainerKuemmerle/g2o%E5%BA%93%E7%9A%84%E4%BF%AE%E6%94%B9%E7%89%88%E6%9C%AC%E8%BF%9B%E8%A1%8C%E9%9D%9E%E7%BA%BF%E6%80%A7%E4%BC%98%E5%8C%96%E3%80%82%E8%AF%A5%E5%BA%93%EF%BC%88BSD%E8%AE%B8%E5%8F%AF%E8%AF%81%EF%BC%89%E5%8C%85%E5%90%AB%E5%9C%A8*extra*%E6%96%87%E4%BB%B6%E5%A4%B9%E4%B8%AD%E3%80%82

ZED SDK（可选）

使用ZED获取RGB和深度图像。下载与安装说明见：[***]

3. 构建Rollo_SLAM库和示例

克隆仓库：

git clone https://github.com/rollo/rollo_slam

我们提供build.sh脚本用于构建Rollo_SLAM。请确保已安装所有必要依赖（见第2节）。执行：

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

4. 单目示例

PATH_TO_SEQUENCE_FOLDER文件夹中必须包含名为files.txt的文件，其中列出每个图像的文件名。

./Examples/Monocular/monocular Examples/Monocular/X.yaml PATH_TO_SEQUENCE_FOLDER

实时相机

可使用USB相机运行Rollo-SLAM处理实时图像。将N替换为相机连接的/dev/videoN路径。

./Examples/Monocular/monocular Examples/Monocular/X.yaml N

##5. RGB-D示例 需提供关联文件，可使用Examples/RGB-D文件夹中的associate.py脚本生成：

python Examples/RGB-D/associate.py PATH_TO_SEQUENCE/rgb.txt PATH_TO_SEQUENCE/depth.txt > associations.txt

运行示例：

./Examples/RGB-D/rgbd Examples/RGB-D/X.yaml PATH_TO_SEQUENCE_FOLDER ASSOCIATIONS_FILE

##6. ZED示例 直接在.SVO文件上运行Rollo_SLAM以避免创建大型序列文件夹：

./Examples/ZED/rollo_zed Examples/ZED/X.yaml PATH_TO_SVO_FILE [0|1](是否保存地图?)

要为ZED相机设置配置文件，请前往/usr/local/zed/settings/X.conf，使用校准参数替换Examples/ZED/ZED-720p.yaml中的参数。

##7. 单目与IMU融合示例 PATH_TO_SEQUENCE_FOLDER文件夹中必须包含名为files.txt的文件，列出每个图像的文件名。IMU数据需存储在CSV文件中，每行包含时间戳和6个测量值（3个陀螺仪数据，3个加速度计数据）。

./Examples/Fusion/monocular_imu Examples/Monocular/X.yaml PATH_TO_SEQUENCE_FOLDER IMU_DATA_FILE.csv

##8. 处理自定义序列 需创建包含相机校准信息的配置文件。可参考TUM数据集的单目或RGB-D相机配置文件示例。我们使用OpenCV的校准模型。RGB-D输入需同步且深度已注册。

相机校准

我们提供工具使用OpenCV校准模型校准相机。需打印Examples/Calibration文件夹中的图案，从不同角度拍摄多张照片并存入文件夹，然后执行校准工具：

./Examples/Calibration/calibration PATH_TO_IMAGES_FOLDER

PATH_TO_IMAGES_FOLDER文件夹中必须包含名为files.txt的文件，列出每个图像的文件名。

可通过查看PATH_TO_IMAGES_FOLDER中保存的 rectified 图像，检查计算的内参是否准确。

##9. 地图保存/加载 地图数据可存储在Map文件夹中的YAML文件中。按下“Stop and Save”按钮可随时保存当前地图，或在序列完成时自动创建。

加载已保存数据时，运行命令需添加PATH_TO_SAVED_MAP_YAML作为额外参数。

##10. 定位模式 可通过地图查看器的GUI在默认模式和定位模式之间切换。

默认模式

系统并行运行三个线程：跟踪、局部建图和闭环检测。系统定位相机、构建新地图并尝试闭环。

定位模式

当已有工作区域的良好地图时可使用此模式。此模式下局部建图和闭环检测被禁用，系统在地图中定位相机（地图不再更新），必要时使用重定位。

TODO

加载现有地图时，从定位模式开始；跟踪丢失时切换到默认模式，但继续使用估计姿态在现有地图中重定位。

##11. Docker

Dockerfile位于/docker目录下，镜像可在DockerHub获取。您也可修改Dockerfile构建自己的镜像。

拉取Docker镜像

Rollo_SLAM在Docker容器内的/opt/rollo_slam路径下构建。

docker pull tommyhannan/visual_slam:latest

运行Docker镜像

需使用-v将本地数据目录挂载到容器中。更多详细信息请参考Docker文档。

docker run -it --rm -v "path_to_local_data":/mounted-data  tommyhannan/visual_slam:latest

构建Docker镜像（可忽略此步骤）

docker build -t "username"/visual_slam:latest ./docker/
docker build -t "username"/visual_slam_jetson:latest ./docker/Jetson