ORB_SLAM3安装运行&性能测试对比

Posted 02468.

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了ORB_SLAM3安装运行&性能测试对比相关的知识,希望对你有一定的参考价值。

目录

一、安装

(1)下载源码

(2)编译

(3)遇到问题

二、运行

(1)非ROS下用的EUROC数据集MH05

(2)ROS下用的EUROC数据集MH04

三、 EVO安装&使用

(1)安装

(2)使用

四、与ORB_SLAM2性能对比

(1)单目-非ROS下

(2)双目-ROS下

五、总结

补充:

RGBD的精度对比-ATE&RPE



一、安装

环境:ubtuntu16

第三方库:Pangolin opencv3.2  Eigen3

(1)下载源码

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

ORB-SLAM3论文地址:https://arxiv.org/abs/2007.11898

(2)编译

cd ORB-SLAM3/
chmod +x build.sh
sudo ./build.sh

(3)遇到问题

/home/one/catkin_ws/src/ORB_SLAM3/src/LocalMapping.cc:628:49: error: no match for ‘operator/’ (operand types are ‘cv::Matx<float, 3, 1>’ and ‘float’) x3D = x3D_h.get_minor<3,1>(0,0) / x3D_h(3);

解决方法:找到对应文件所在行,把x3D = x3D_h.get_minor<3,1>(0,0) / x3D_h(3)换成

x3D = cv::Matx31f(x3D_h.get_minor<3,1>(0,0)(0) / x3D_h(3), x3D_h.get_minor<3,1>(0,0)(1) / x3D_h(3), x3D_h.get_minor<3,1>(0,0)(2) / x3D_h(3));

二、运行

下载数据集&测试

kmavvisualinertialdatasets – ASL Datasets

(1)非ROS下用的EUROC数据集MH05

单目:

./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml /home/one/dataset/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/MH04.txt

单目+IMU:

./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml ./dataset ./Examples/Monocular-Inertial/EuRoC_TimeStamps/MH05.txt

双目:

./Examples/Stereo/stereo_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo/EuRoC.yaml ./dataset ./Examples/Stereo/EuRoC_TimeStamps/MH05.txt

双目+IMU:

./Examples/Stereo-Inertial/stereo_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo-Inertial/EuRoC.yaml ./dataset ./Examples/Stereo-Inertial/EuRoC_TimeStamps/MH05.txt

(2)ROS下用的EUROC数据集MH04

双目:

rosrun ORB_SLAM3 Stereo Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml true
rosbag play  MH_04_difficult.bag /cam0/image_raw:=/camera/left/image_raw /cam1/image_raw:=/camera/right/image_raw

双目+imu:

rosrun ORB_SLAM3 Stereo_Inertial Vocabulary/ORBvoc.txt Examples/Stereo-Inertial/EuRoC.yaml true
rosbag play  MH_04_difficult.bag /cam0/image_raw:=/camera/left/image_raw /cam1/image_raw:=/camera/right/image_raw /imu0:=/imu

注意:这里EUROC数据集是没有深度图的,暂时不跑RGB-D

三、 EVO安装&使用

(1)安装

sudo apt install python-pip
pip install evo --upgrade --no-binary evo

(2)使用

单轨迹:

 evo_traj euroc data.csv --plot

因为这里.csv文件有17列数据,与.txt对不齐,所以把data.csv转换成.tum格式

evo_traj euroc data.csv --save_as_tum

真实轨迹与运行轨迹-对齐:

evo_traj tum KeyFrameTrajectory.txt --ref=data.tum -p --plot_mode xyz -a --correct_scale

计算ape-绝对位姿误差

evo_ape tum KeyFrameTrajectory.txt data.tum  -p --plot -s --correct_scale -a --align -v --save_results ape.zip

关于evo的更多用法可自行搜索

四、与ORB_SLAM2性能对比

(1)单目-非ROS下

ORB_SLAM3

单目:

 

 单目+IMU:

ORB_SLAM2

单目:

(2)双目-ROS下

为了生成轨迹文件,这里在ROS/ORB_SLAM3/src下的.cc文件对应位置加上生成轨迹的代码

  ros::spin();
// Stop all threads
    SLAM.Shutdown();

    // Save camera trajectory
    SLAM.SaveKeyFrameTrajectoryTUM("KeyFrameTrajectory_TUM_Format.txt");
    SLAM.SaveTrajectoryTUM("FrameTrajectory_TUM_Format.txt");
    SLAM.SaveTrajectoryKITTI("FrameTrajectory_KITTI_Format.txt");

    ros::shutdown();

ORB_SLAM3

双目:

 双目+imu:

 ORB_SLAM2

五、总结

 通过对比结果可以得到以下结论:

1-跑单目MH05,ORB_SLAM3与ORB_SLAM2表现差不多,ORB_SLAM3加了IMU之后,跑的时候更稳定,精度有所下降。

2-跑双目MH04,ORB-SLAM2会有一部分轨迹丢失,而ORB_SLAM3比ORB_SLAM2稳定,加了IMU之后,精度提升。

补充:

RGBD的精度对比-ATE&RPE

(1)TUM数据集-rgbd_dataset_freiburg1_desk

 ORB_SLAM3

  ORB_SLAM2

 (2)TUM数据集-rgbd_dataset_freiburg1_plant

 ORB_SLAM3

 ORB_SLAM2

 从测试结果上来看,ORB_SLAM3在TUM运行RGB-D效果没有ORB_SLAM2的好。

以上是关于ORB_SLAM3安装运行&性能测试对比的主要内容,如果未能解决你的问题,请参考以下文章

ubuntu 20.04+ORB_SLAM3 安装并行全记录(无坑版)

性能测试三十四:jvm内存结构(栈堆永久代)

xluatolua性能对比

ORB_SLAM2编译与测试

tcmalloc jemalloc glibc内存分配管理模块性能测试对比

apache nginx 性能简单对比测试