编译安装ORB-SLAM3

环境

联想台式机，配置很奇葩

• CPU Intel(R) Core(TM) i7-9700 CPU @ 3.00GHz
• NVIDIA Corporation GK208B [GeForce GT 730]
• 2 * 8G RAM

RK3399 SBC

• 4G RAM

路径

• mkdir -p build/orb_slam3
• cd build/orb_slam3/
• git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git

准备依赖

Pangolin

这是一个轻量级的opengl 显示和交互开发库。demo code用到的。
然后apt 安装一些其它的依赖， 就可以编译安装Pangolin。

• sudo apt install libgl1-mesa-dev libglew-dev

• sudo apt install libegl1-mesa-dev libwayland-dev libxkbcommon-dev wayland-protocols

• sudo apt install ffmpeg libavcodec-dev libavutil-dev libavformat-dev libswscale-dev libavdevice-dev

• sudo pip –no-cache install pyopengl Pillow pybind11

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

• cd Pangolin; mkdir build; cd build; cmake ../; cmake –build .; sudo make install

Opencv 3.2

在更新的发行版本里，自带的opencv 4.x不能通过编译。。所以只能使用老一些的版本，比如ubuntu18.04，或者自行编译一套老版本的opencv

• sudo apt install libopencv-dev

DBoW2 / g2o

这里使用修改的版本，已经包含在源代码 的ORB_SLAM3/Thirdparty中，不需要额外下载。

编译

可以使用orb_slam3中自带的编译脚本“build.sh“
build.sh 其实就是分别编译DBoW2/ g2o, 解压特征字典，最后编译ORB_Slam自身。

但在RK3399上，需要将脚本内的make -j 参数修改成2，否则。。。。

运行

Orb_slam自带了测试程序，需要额外下载配套的数据集。
可以从这里获取

---

下载好后，修改一下 euroc_examples.sh，将文件开头的数据集路径修改成刚刚解压的位置。

直接运行就可以。

euroc_examples.sh 会顺序的以不同方式运行各种数据集。当然也可以挑其中单独一个来运行。

比如，以单摄像头配合IMU运行， 就类似这样：

./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml "$pathDatasetEuroc"/V102 ./Examples/Monocul\
ar-Inertial/EuRoC_TimeStamps/V102.txt dataset-V102_monoi

---

首先会加载字典，需要等待一下下。。。

突然！

---

台式机加载字典时，单核100%，几秒钟，RK3399要久一点儿， 大概十几秒。 网上有针对ORB_SLAM2的优化，将字典binary，可以加速。

SLAM模式运行时，台式机双核工作（也可能是超线程）， cpu 功耗13~15瓦左右，非常流畅。

但在RK3399上则卡顿很多， 两个大核已经很努力了， 但是四个小核心在吃瓜围观，目测5fps左右。 网上有针对ORB_SLAM2的 特殊优化，可以跑在CUDA上，以及使用优化的opencv库，据说有数倍的效能提升。

---

下一步：

• 尝试真实硬件运行
• 尝试整合程序
• 尝试优化速度

to be continued..