1. 环境准备Ubuntu20.04基础配置在开始ORB_SLAM2的实战之前我们需要确保Ubuntu20.04系统已经正确配置。这个环节就像盖房子打地基基础不牢后续所有工作都可能白费。我建议使用全新安装的Ubuntu20.04系统避免之前安装的软件带来不必要的冲突。首先更新系统软件包是个好习惯sudo apt update sudo apt upgrade -y接下来安装一些基础开发工具sudo apt install -y build-essential cmake git wget很多同学在这里会遇到第一个坑——系统语言设置。如果你安装的是中文版Ubuntu用户目录下会出现中文路径名这在后续编译时可能导致各种奇怪问题。我的建议是安装时选择英文系统如果已经是中文系统可以新建一个英文用户专门用于开发或者在/home目录下创建一个纯英文路径的工作目录2. ROS Noetic安装与配置ROS是机器人开发的基石Noetic是Ubuntu20.04对应的官方版本。安装过程看似简单但有几个关键点需要注意。2.1 安装ROS Noetic官方推荐的安装命令如下sudo sh -c echo deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main /etc/apt/sources.list.d/ros-latest.list sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt update sudo apt install ros-noetic-desktop-full安装完成后记得初始化rosdepsudo rosdep init rosdep update2.2 环境变量配置这一步经常被忽视但非常重要。在~/.bashrc文件末尾添加source /opt/ros/noetic/setup.bash echo source /opt/ros/noetic/setup.bash ~/.bashrc验证安装是否成功roscore如果能看到ROS master启动的日志说明安装基本正确。3. Gazebo仿真环境搭建Gazebo是ROS生态中最常用的仿真工具我们将用它来测试ORB_SLAM2。3.1 安装GazeboROS Noetic自带Gazebo11直接安装即可sudo apt install gazebo11 libgazebo11-dev测试Gazebo是否正常工作gazebo第一次启动可能会比较慢因为它需要下载一些模型。3.2 配置仿真环境我推荐使用中科院软件所的ROS初学者教程包作为基础仿真环境cd ~/catkin_ws/src git clone https://github.com/thinkexist1989/ROS-Academy-for-Beginners.git安装依赖项时可能会遇到问题特别是yocs_cmd_vel_mux包。解决方法如下cd ~/catkin_ws/src git clone https://github.com/yujinrobot/yujin_ocs.git mv yujin_ocs/yocs_cmd_vel_mux . rm -rf yujin_ocs然后安装其他必要依赖sudo apt install ros-noetic-gmapping ros-noetic-slam-karto ros-noetic-hector-mapping4. ORB_SLAM2安装与调试这是整个过程中最具挑战性的部分我踩过的坑希望能帮你避开。4.1 获取源码建议使用我修改过的版本已经修复了一些常见问题cd ~/catkin_ws/src git clone https://github.com/raulmur/ORB_SLAM2.git4.2 解决OpenCV版本冲突这是最常见的问题。Ubuntu20.04默认OpenCV4而ORB_SLAM2需要OpenCV3。我的解决方案是安装OpenCV3.4.11sudo apt install libopencv-dev3.2.0dfsg-4ubuntu0.1修改ORB_SLAM2的CMakeLists.txtfind_package(OpenCV 3.0 QUIET) if(NOT OpenCV_FOUND) find_package(OpenCV 2.4.3 QUIET) if(NOT OpenCV_FOUND) message(FATAL_ERROR OpenCV 2.4.3 not found.) endif() endif()4.3 编译安装分步编译更稳妥cd ORB_SLAM2 chmod x build.sh ./build.sh然后是ROS部分的编译chmod x build_ros.sh ./build_ros.sh如果遇到Python相关错误需要确保系统默认Python是Python3sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 15. 运行与测试终于到了检验成果的时候按照这个顺序启动启动ROS核心roscore启动Gazebo仿真roslaunch robot_sim_demo robot_spawn.launch启动键盘控制rosrun robot_sim_demo robot_keyboard_teleop.py最后启动ORB_SLAM2rosrun ORB_SLAM2 RGBD Vocabulary/ORBvoc.txt Examples/RGB-D/Zdzn.yaml如果一切正常你应该能在Gazebo中看到机器人并通过键盘控制它移动同时ORB_SLAM2会实时构建环境地图。6. 常见问题解决在实际操作中你可能会遇到以下问题段错误(Segmentation fault)90%是因为OpenCV版本冲突确保系统只安装了一个版本的OpenCV。找不到ROS包检查~/.bashrc中的环境变量设置是否正确特别是ROS_PACKAGE_PATH。Gazebo黑屏可能是显卡驱动问题尝试echo export SVGA_VGPU100 ~/.bashrcORB_SLAM2无法加载词袋确保Vocabulary/ORBvoc.txt文件的路径正确最好使用绝对路径。内存不足ORB_SLAM2比较吃内存建议系统至少有8GB内存或者增加swap空间。7. 性能优化建议经过多次测试我发现这些优化措施能显著提升ORB_SLAM2在仿真环境中的表现调整Gazebo的物理引擎参数在robot_spawn.launch中添加physics typeode max_step_size0.01/max_step_size real_time_factor1/real_time_factor /physics修改ORB_SLAM2的参数文件降低特征点数量# RGB-D/Zdzn.yaml ORBextractor.nFeatures: 1000使用性能更好的视觉词袋可以从ORB_SLAM2的GitHub仓库下载更大的词袋文件。在低配机器上可以关闭回环检测// System.cc bool bLoop false; // 改为false8. 扩展应用基础环境搭建完成后你可以尝试这些进阶应用更换仿真环境使用Turtlebot3或Husky机器人的Gazebo环境它们有更完善的传感器配置。添加IMU数据修改ORB_SLAM2支持IMU数据融合提升定位精度。多机器人协同在Gazebo中创建多个机器人实例测试多机SLAM。真实机器人部署将代码移植到Turtlebot2或DJI Robomaster等真实机器人上。算法改进尝试修改ORB_SLAM2的特征提取部分加入深度学习特征。整个搭建过程可能会遇到各种问题但每个问题的解决都会让你对SLAM系统有更深的理解。我在实际项目中发现耐心和系统化的调试方法比技术本身更重要。建议每次修改后做好记录这样遇到问题时可以快速回溯。
ORB_SLAM2实战：Ubuntu20.04+ROS+gazebo仿真环境搭建与避坑指南
1. 环境准备Ubuntu20.04基础配置在开始ORB_SLAM2的实战之前我们需要确保Ubuntu20.04系统已经正确配置。这个环节就像盖房子打地基基础不牢后续所有工作都可能白费。我建议使用全新安装的Ubuntu20.04系统避免之前安装的软件带来不必要的冲突。首先更新系统软件包是个好习惯sudo apt update sudo apt upgrade -y接下来安装一些基础开发工具sudo apt install -y build-essential cmake git wget很多同学在这里会遇到第一个坑——系统语言设置。如果你安装的是中文版Ubuntu用户目录下会出现中文路径名这在后续编译时可能导致各种奇怪问题。我的建议是安装时选择英文系统如果已经是中文系统可以新建一个英文用户专门用于开发或者在/home目录下创建一个纯英文路径的工作目录2. ROS Noetic安装与配置ROS是机器人开发的基石Noetic是Ubuntu20.04对应的官方版本。安装过程看似简单但有几个关键点需要注意。2.1 安装ROS Noetic官方推荐的安装命令如下sudo sh -c echo deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main /etc/apt/sources.list.d/ros-latest.list sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt update sudo apt install ros-noetic-desktop-full安装完成后记得初始化rosdepsudo rosdep init rosdep update2.2 环境变量配置这一步经常被忽视但非常重要。在~/.bashrc文件末尾添加source /opt/ros/noetic/setup.bash echo source /opt/ros/noetic/setup.bash ~/.bashrc验证安装是否成功roscore如果能看到ROS master启动的日志说明安装基本正确。3. Gazebo仿真环境搭建Gazebo是ROS生态中最常用的仿真工具我们将用它来测试ORB_SLAM2。3.1 安装GazeboROS Noetic自带Gazebo11直接安装即可sudo apt install gazebo11 libgazebo11-dev测试Gazebo是否正常工作gazebo第一次启动可能会比较慢因为它需要下载一些模型。3.2 配置仿真环境我推荐使用中科院软件所的ROS初学者教程包作为基础仿真环境cd ~/catkin_ws/src git clone https://github.com/thinkexist1989/ROS-Academy-for-Beginners.git安装依赖项时可能会遇到问题特别是yocs_cmd_vel_mux包。解决方法如下cd ~/catkin_ws/src git clone https://github.com/yujinrobot/yujin_ocs.git mv yujin_ocs/yocs_cmd_vel_mux . rm -rf yujin_ocs然后安装其他必要依赖sudo apt install ros-noetic-gmapping ros-noetic-slam-karto ros-noetic-hector-mapping4. ORB_SLAM2安装与调试这是整个过程中最具挑战性的部分我踩过的坑希望能帮你避开。4.1 获取源码建议使用我修改过的版本已经修复了一些常见问题cd ~/catkin_ws/src git clone https://github.com/raulmur/ORB_SLAM2.git4.2 解决OpenCV版本冲突这是最常见的问题。Ubuntu20.04默认OpenCV4而ORB_SLAM2需要OpenCV3。我的解决方案是安装OpenCV3.4.11sudo apt install libopencv-dev3.2.0dfsg-4ubuntu0.1修改ORB_SLAM2的CMakeLists.txtfind_package(OpenCV 3.0 QUIET) if(NOT OpenCV_FOUND) find_package(OpenCV 2.4.3 QUIET) if(NOT OpenCV_FOUND) message(FATAL_ERROR OpenCV 2.4.3 not found.) endif() endif()4.3 编译安装分步编译更稳妥cd ORB_SLAM2 chmod x build.sh ./build.sh然后是ROS部分的编译chmod x build_ros.sh ./build_ros.sh如果遇到Python相关错误需要确保系统默认Python是Python3sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 15. 运行与测试终于到了检验成果的时候按照这个顺序启动启动ROS核心roscore启动Gazebo仿真roslaunch robot_sim_demo robot_spawn.launch启动键盘控制rosrun robot_sim_demo robot_keyboard_teleop.py最后启动ORB_SLAM2rosrun ORB_SLAM2 RGBD Vocabulary/ORBvoc.txt Examples/RGB-D/Zdzn.yaml如果一切正常你应该能在Gazebo中看到机器人并通过键盘控制它移动同时ORB_SLAM2会实时构建环境地图。6. 常见问题解决在实际操作中你可能会遇到以下问题段错误(Segmentation fault)90%是因为OpenCV版本冲突确保系统只安装了一个版本的OpenCV。找不到ROS包检查~/.bashrc中的环境变量设置是否正确特别是ROS_PACKAGE_PATH。Gazebo黑屏可能是显卡驱动问题尝试echo export SVGA_VGPU100 ~/.bashrcORB_SLAM2无法加载词袋确保Vocabulary/ORBvoc.txt文件的路径正确最好使用绝对路径。内存不足ORB_SLAM2比较吃内存建议系统至少有8GB内存或者增加swap空间。7. 性能优化建议经过多次测试我发现这些优化措施能显著提升ORB_SLAM2在仿真环境中的表现调整Gazebo的物理引擎参数在robot_spawn.launch中添加physics typeode max_step_size0.01/max_step_size real_time_factor1/real_time_factor /physics修改ORB_SLAM2的参数文件降低特征点数量# RGB-D/Zdzn.yaml ORBextractor.nFeatures: 1000使用性能更好的视觉词袋可以从ORB_SLAM2的GitHub仓库下载更大的词袋文件。在低配机器上可以关闭回环检测// System.cc bool bLoop false; // 改为false8. 扩展应用基础环境搭建完成后你可以尝试这些进阶应用更换仿真环境使用Turtlebot3或Husky机器人的Gazebo环境它们有更完善的传感器配置。添加IMU数据修改ORB_SLAM2支持IMU数据融合提升定位精度。多机器人协同在Gazebo中创建多个机器人实例测试多机SLAM。真实机器人部署将代码移植到Turtlebot2或DJI Robomaster等真实机器人上。算法改进尝试修改ORB_SLAM2的特征提取部分加入深度学习特征。整个搭建过程可能会遇到各种问题但每个问题的解决都会让你对SLAM系统有更深的理解。我在实际项目中发现耐心和系统化的调试方法比技术本身更重要。建议每次修改后做好记录这样遇到问题时可以快速回溯。
