ORB_SLAM3

2602_95178071

916人浏览 · 2026-05-04 16:52:16

2602_95178071 · 2026-05-04 16:52:16 发布

ORB_SLAM3

ORB-SLAM3：一个准确的开源库，用于可视化、视觉惯性和多映射SLAM

ORB_SLAM3的作者：卡洛斯·坎波斯、理查德·埃尔维拉、胡安·J·戈麦斯·罗德里格斯、何塞·M·M·蒙蒂尔、胡安·D·塔尔多斯

GitHub链接

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

ORB-SLAM3 是首个能够使用针孔和鱼眼镜头模型，使用单目、立体和RGB-D相机执行视觉、视觉惯性和多图SLAM的实时SLAM库。在所有传感器配置下，ORB-SLAM3的坚固性与文献中最好的系统相当，且准确度显著提升。

下面演示在ubuntu20.04下的安装

ORB_SLAM3所需的依赖库

Eigen3

OpenCV4.2

Panolin0.5

boost

新系统装备

安装git

wget http://fishros.com/install -O fishros && . fishros

安装vim编辑器

1.  sudo apt update && sudo apt-get install vim

安装gcc、g++

1.  sudo apt update && sudo apt install build-essential

ROS1_noetic版本安装

一键安装

使用鱼香ROS一键安装ROS1-noetic版本（ROS1-noetic桌面版）

1.  wget http://fishros.com/install-O fishros &&. fishros

安装验证

分别打开三个终端，输入以下三条指令。

1.  roscore

1.  rosrun turtlesim turtlesim_node

1.  rosrun turtlesim turtle_teleop_key

若可控制小乌龟运动即证明ROS安装成功。
在这里插入图片描述

3.依赖库

Eigen3

C++ 里专门用来做【矩阵运算、向量计算、几何变换】的顶级数学库。

C++ 版的高性能 MATLAB / NumPy，专门给机器人、视觉、SLAM、控制算法用的。

安装

1.  sudo apt update

2.  sudo apt install libeigen3-dev -y

验证安装是否正确

1.  pkg-config \--modversion eigen3

如果输出版本号（比如 3.3.7 或 3.3.9），说明安装成功。

或者：

1.  ls /usr/include/eigen3/Eigen

能看到很多头文件 = 安装成功。

在这里插入图片描述

OpenCV4.2

依赖安装

1.  sudo apt-get install build-essential libgtk2.0-dev libgtk-3-dev libavcodec-dev libavformat-dev libjpeg-dev libswscale-dev libtiff5-dev

2.  sudo apt install python3-dev python3-numpy

3.  sudo apt install libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev

4.  sudo apt install libpng-dev libopenexr-dev libtiff-dev libwebp-dev

下载源码

1.  git clone -b 4.2.0 https://github.com/opencv/opencv.git opencv-4.2.0

CMake 配置

1.  cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_IPP=OFF ..

编译命令

1.  make -j\$(nproc)

安装

1.  sudo make install

验证安装成功

1.  pkg-config \--modversion opencv4

2.  \# 输出 4.2.0，说明 C++ 库安装成功

3.  python3 -c \"import cv2; print(cv2.\_\_version\_\_)\"

4.  \# 输出 4.2.0，说明 Python 绑定也正常工作

在这里插入图片描述

如果你未来要在 ROS 里用 OpenCV，只需要在 CMakeLists.txt 里加：

本项目采取别的修改方案，此处不进行

1.  find_package(OpenCV REQUIRED)

2.  include_directories(\${OpenCV_INCLUDE_DIRS})

3.  target_link_libraries(你的节点 \${OpenCV_LIBS})

Panolin0.5

Pangolin 是一个轻量级、跨平台的 C++ 开源图形库，专门为机器人 / 计算机视觉领域设计，用来做 3D 可视化、交互界面和视频输入输出。

依赖安装

1.  sudo apt-get install libglew-dev libboost-dev libboost-thread-dev libboost-filesystem-dev

2.  sudo apt-get install ffmpeg libavcodec-dev libavutil-dev libavformat-dev libswscale-dev

下载Panolin v0.5

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

2.  cd Pangolin

3.  git checkout v0.5

编译配置

1.  cmake -DBUILD_EXAMPLES=OFF -DBUILD_TESTS=OFF -DBUILD_FFMPEG=OFF -DBUILD_PANGOLIN_VIDEO=OFF ..

编译安装

1.  make -j\$(nproc)

2.  sudo make install

系统库配置

1.  echo \"/usr/local/lib\" \| sudo tee /etc/ld.so.conf.d/local-lib.conf

2.  sudo ldconfig

测试代码 + 编译命令

##### 1. 先创建测试文件（直接复制运行）

1.  cat \> test_pangolin.cpp \<\< \'EOF\'

2.  #include \<pangolin/pangolin.h\>

3.  

4.  int main() {

5.  pangolin::CreateWindowAndBind(\"Pangolin Test\", 640, 480);

6.  glEnable(GL_DEPTH_TEST);

7.  

8.  pangolin::OpenGlRenderState s_cam(

9.  pangolin::ProjectionMatrix(640, 480, 420, 420, 320, 240, 0.2, 100),

10. pangolin::ModelViewLookAt(-2, 2, -2, 0, 0, 0, pangolin::AxisY)

11. );

12. 

13. pangolin::Handler3D handler(s_cam);

14. pangolin::View &d_cam = pangolin::CreateDisplay()

15. .SetBounds(0.0, 1.0, 0.0, 1.0, -640.0f/480.0f)

16. .SetHandler(&handler);

17. 

18. while (!pangolin::ShouldQuit()) {

19. glClear(GL_COLOR_BUFFER_BIT \| GL_DEPTH_BUFFER_BIT);

20. d_cam.Activate(s_cam);

21. glClearColor(0.1f, 0.1f, 0.1f, 1.0f);

22. pangolin::glDrawColouredCube();

23. pangolin::FinishFrame();

24. }

25. return 0;

26. }

27. EOF

2.编译命令

1.  g++ test_pangolin.cpp -o test_pangolin -lpangolin -lGL -lrt -I/usr/include/eigen3

3. 运行

1.  ./test_pangolin

运行弹出黑色窗口 + 彩色立方体 = 100% 成功

在这里插入图片描述

在 ROS / C++ 项目里使用 Pangolin，只需要在 CMakeLists.txt 加：

本项目采取别的修改方案，此处不进行

1.  find_package(Pangolin REQUIRED)

2.  include_directories(\${Pangolin_INCLUDE_DIRS})

3.  target_link_libraries(你的节点 \${Pangolin_LIBRARIES})

boost

Boost 就是 C++ 的 “万能增强工具箱”，补全 C++ 原生没有的超级实用功能！

依赖安装

1.  sudo apt update

2.  sudo apt install build-essential libicu-dev python3-dev

下载解压

1.  wget https://archives.boost.io/release/1.77.0/source/boost_1_77_0.tar.bz2

2.  tar -xvf boost_1_77_0.tar.bz2

3.  cd boost_1_77_0

编译安装


```bash
```bash
1.  sudo ./bootstrap.sh

2.  sudo ./b2 install

验证路径

1.  /usr/local/include/boost/

2.  /usr/local/lib/libboost\_\*.so

测试代码 + 编译命令

第一步：创建测试文件

1.  cat \> boost_test.cpp \<\< \'EOF\'

2.  #include \<iostream\>

3.  #include \<boost/version.hpp\>

4.  #include \<boost/thread.hpp\>

5.  

6.  void hello() {

7.  std::cout \<\< \"Hello from Boost thread!\" \<\< std::endl;

8.  }

9.  

10. int main() {

11. std::cout \<\< \"Boost version: \" \<\< BOOST_VERSION \<\< std::endl;

12. boost::thread t(hello);

13. t.join();

14. return 0;

15. }

16. EOF

第二步：编译并运行

1.  g++ boost_test.cpp -o boost_test -lboost_thread -lboost_system -pthread

2.  ./boost_test

成功输出：

1.  Boost version: 107700

2.  Hello from Boost thread!

在这里插入图片描述

ORB_SLAM3的源码编译

下载ORB_SLAM3

1.  git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git ORB_SLAM3 \--depth=1

如果这个上面下载不行，那用下面这个

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

进入目录

首先在ORB_SLAM3文件下打开CMakeLists.txt

OpenCV 修改（必改）

1.  \# 原来

2.  find_package(OpenCV 4.4 REQUIRED)

3.  

4.  \# 改成

5.  find_package(OpenCV 4.2 REQUIRED)

在这里插入图片描述

Eigen3版本号

1.  \# 原来

2.  find_package(Eigen3 3.1.0 REQUIRED)

3.  

4.  \# 改成

5.  find_package(Eigen3 REQUIRED)

在这里插入图片描述

Pangolin 链接错误

在 target_link_libraries 里加 -lrt

在这里插入图片描述

改完以后记得点保存

mono_euroc.cc 里的 false 改 true

操作：把 false 改成 true，运行时就能看到可视化界面了。

进入 ORB_SLAM3 文件夹

打开 Examples 文件夹

打开 Monocular 文件夹

找到 mono_euroc.cc

双击用文本编辑器打开

在这里插入图片描述

记得保存

编译命令

开始分步编译（顺序绝对不能乱）

1. 编译 DBoW2

1.  cd \~/ORB_SLAM3/Thirdparty/DBoW2

2.  mkdir build && cd build

3.  cmake ..

4.  make -j4

2. 编译 g2o

1.  cd \~/ORB_SLAM3/Thirdparty/g2o

2.  mkdir build && cd build

3.  cmake ..

4.  make -j4

3. 编译 Sophus

1.  cd \~/ORB_SLAM3/Thirdparty/Sophus

2.  mkdir build && cd build

3.  cmake ..

4.  make -j4

4. 编译 ORB-SLAM3 主程序

1.  cd \~/ORB_SLAM3

2.  mkdir build && cd build

3.  cmake ..

4.  make -j4

编译成功标志

[100%] Built target mono_tum
[100%] Built target mono_inertial_tum_vi
[100%] Built target mono_inertial_euroc

ORB-SLAM3 测试数据获取与运行

推荐EuRoC MAV 数据集（最适配 ORB-SLAM3）

EuRoC MAV 是苏黎世联邦理工（ETH Zurich）发布的视觉惯性 SLAM 标准基准数据集，也是ORB-SLAM3 项目的经典测试用例。

EuRoC MAV 是视觉惯性 SLAM 的标准基准，数据质量高、场景丰富、难度合理，是入门与评测的首选数据集。

官网入口（ETH ASL）：https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets

打开浏览器，访问这个网盘链接：

链接:https://pan.baidu.com/s/1Mo-rsHCoXP6F8Swsaky3TA

提取码:bdib

找到 MH_01_easy.bag或 V1_01_easy.bag，下载到你的Ubuntu里。

以MH_01_easy.bag为例，

下好后终端

1.  mkdir -p \~/bags

2.  mv MH_01_easy.bag \~/bags/

一键导出脚本

cat > export_bag_data.py << 'EOF'
import rosbag
import cv2
import os
import sys
from sensor_msgs.msg import Image, Imu
from cv_bridge import CvBridge

def export_bag_to_dataset(bag_path, output_root, cam_topic, imu_topic):
    # 相机输出目录
    cam0_dir = os.path.join(output_root, "mav0/cam0/data")
    os.makedirs(cam0_dir, exist_ok=True)
    # 相机时间戳文件（单目惯性模式需要放在根目录）
    times_file = os.path.join(output_root, "times.txt")
    # IMU输出目录
    imu0_dir = os.path.join(output_root, "mav0/imu0")
    os.makedirs(imu0_dir, exist_ok=True)
    imu_file = os.path.join(imu0_dir, "data.csv")

    bridge = CvBridge()

    # --------------------------
    # 导出相机数据
    # --------------------------
    print("📷 正在导出相机图片和时间戳...")
    with rosbag.Bag(bag_path, 'r') as bag, open(times_file, 'w') as f_times:
        for topic, msg, t in bag.read_messages(topics=[cam_topic]):
            # 转成OpenCV格式图片
            img = bridge.imgmsg_to_cv2(msg, desired_encoding='mono8')
            # 时间戳转纳秒
            ts = msg.header.stamp.to_nsec()
            # 保存图片
            img_path = os.path.join(cam0_dir, f"{ts}.png")
            cv2.imwrite(img_path, img)
            # 写入times.txt
            f_times.write(f"{ts}\n")
    print("✅ 相机数据导出完成！")

    # --------------------------
    # 导出并转换IMU数据（直接生成ORB-SLAM3格式）
    # --------------------------
    print("📊 正在导出并转换IMU数据...")
    with rosbag.Bag(bag_path, 'r') as bag, open(imu_file, 'w') as f_imu:
        for topic, msg, t in bag.read_messages(topics=[imu_topic]):
            # 时间戳（纳秒）
            ts = msg.header.stamp.to_nsec()
            # 角速度和加速度
            wx = msg.angular_velocity.x
            wy = msg.angular_velocity.y
            wz = msg.angular_velocity.z
            ax = msg.linear_acceleration.x
            ay = msg.linear_acceleration.y
            az = msg.linear_acceleration.z
            # 写入ORB-SLAM3标准格式
            f_imu.write(f"{ts},{wx},{wy},{wz},{ax},{ay},{az}\n")
    print("✅ IMU数据导出完成！")

    print(f"\n🎉 全部导出完成！数据集目录：{output_root}")
    print("📁 目录结构：")
    print("  mav0/cam0/data      相机图片")
    print("  mav0/imu0/data.csv  IMU数据")
    print("  times.txt           时间戳文件")

if __name__ == "__main__":
    # ------------ 在这里修改你的路径和话题！------------
    BAG_PATH = "/home/jie/bags/MH_01_easy.bag"
    OUTPUT_DIR = "/home/jie/ORB_SLAM3/datasets/MH01"
    CAM_TOPIC = "/cam0/image_raw"
    IMU_TOPIC = "/imu0"
    # -------------------------------------------------
    export_bag_to_dataset(BAG_PATH, OUTPUT_DIR, CAM_TOPIC, IMU_TOPIC)
EOF

修改路径与话题

打开 export_bag_data.py，修改以下 4 项：

# ------------ 在这里修改你的路径和话题！------------
BAG_PATH    = "/home/xxx/bags/your.bag"       # 你的 bag 路径
OUTPUT_DIR  = "/home/xxx/ORB_SLAM3/datasets/xxx"  # 输出目录
CAM_TOPIC   = "/cam0/image_raw"               # 相机话题
IMU_TOPIC   = "/imu0"                         # IMU 话题
# -------------------------------------------------

运行

1.  python3 export_bag_data.py

输出成功示例：
📷 正在导出相机图片和时间戳…
✅ 相机数据导出完成！
📊 正在导出并转换IMU数据…
✅ IMU数据导出完成！

🎉 全部导出完成！

最终目录结构

MH01/
├── times.txt <— 根目录时间戳（必须）
└── mav0/
├── cam0/
│ └── data/
│ ├── 1234567890123456789.png
│ └── …
└── imu0/
└── data.csv <— 无表头、纯纳秒时间戳

运行 ORB-SLAM3单目惯性

cd ~/ORB_SLAM3

./Examples/Monocular-Inertial/mono_inertial_euroc \
./Vocabulary/ORBvoc.txt \
./Examples/Monocular-Inertial/EuRoC.yaml \
./datasets/MH01 \
./datasets/MH01/times.txt

请添加图片描述

ORB-SLAM3 单目惯性运行命令完整解读

这是运行 ORB-SLAM3 单目+IMU融合定位 程序的完整命令，我逐行、逐参数给你拆解，让你完全理解每一段的作用。

一、完整命令

cd ~/ORB_SLAM3

./Examples/Monocular-Inertial/mono_inertial_euroc \
./Vocabulary/ORBvoc.txt \
./Examples/Monocular-Inertial/EuRoC.yaml \
./datasets/MH01 \
./datasets/MH01/times.txt

二、逐行/逐参数超详细解读

1. 切换工作目录

cd ~/ORB_SLAM3

作用：进入 ORB-SLAM3 的根目录
原因：程序依赖的词典、配置文件都在这个目录下，必须先切换过来，否则会报「文件不存在」错误

2. 核心：运行可执行程序

./Examples/Monocular-Inertial/mono_inertial_euroc \

./：表示运行当前目录下的程序
Examples/Monocular-Inertial/：单目+惯性（IMU）融合的示例文件夹
mono_inertial_euroc：专门适配 EuRoC 数据集的单目惯性可执行文件
\：命令换行符（方便阅读，不影响执行）

3. 参数1：ORB 特征词典（必备）

./Vocabulary/ORBvoc.txt \

作用：ORB-SLAM3 的特征匹配词典（训练好的字典文件）
重要性：没有这个文件，程序无法识别图像特征点，直接崩溃
固定不变：所有数据集、所有模式都用同一个词典

4. 参数2：传感器配置文件（相机+IMU标定）

./Examples/Monocular-Inertial/EuRoC.yaml \

作用：存放 EuRoC 数据集的相机内参 + IMU 标定参数
包含内容：相机焦距、主点、去畸变参数、IMU 噪声、陀螺仪/加速度计偏置
替换规则：跑自己数据集时，必须改成自己的标定 yaml 文件

5. 参数3：数据集根目录

./datasets/MH01 \

作用：告诉程序数据集的总文件夹
程序会自动从这里读取：
- 相机图片：mav0/cam0/data/
- IMU 数据：mav0/imu0/data.csv

6. 参数4：图像时间戳文件

./datasets/MH01/times.txt

作用：存储所有图像的纳秒级时间戳，按顺序排列
关键作用：程序根据时间戳同步图像和 IMU 数据
我们修复的核心：之前程序崩溃，就是这个文件格式/路径错误导致的

三、命令执行逻辑（一句话总结）

切换到ORB-SLAM3目录 → 运行单目惯性程序 → 加载特征词典 → 加载相机IMU参数 → 读取MH01数据集 → 根据时间戳同步图像和IMU数据 → 开始定位建图

四、关键注意事项

路径不能错：所有文件路径必须和命令一致
目录结构必须标准：数据集必须包含 mav0/cam0 + mav0/imu0 + 根目录 times.txt
yaml 文件匹配：跑自己数据时，必须替换为自己的标定文件
时间戳单位：必须是纳秒整数（我们的脚本已自动处理）

AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

[Dify x EdgeOne] 论文猎手——用 Dify + EdgeOne Pages 给科研人造一个每日 arXiv 速读助手

AtomGit开源社区

消息跨端架构演进：基于 C++ 的多端一致性研发框架实践

跨端不是追求 100% 代码复用。核心是在"一致性"与"平台最优体验"之间找到平衡点。对于强交互场景（如键盘区域），保留 Native 实现往往是更好的选择。容器框架的抽象层级要足够精简。过度设计会导致理解成本反增。我们的 BizLogicProtocol 只有 7 个核心方法，足以覆盖所有业务场景。全链路质量监控是成功落地的关键保障。跨端方案最怕的不是技术问题，而是出了问题找不到原因。架构合理性

AtomGit开源社区

[Dify x EdgeOne] 哄睡童话机——用 Dify + EdgeOne Pages 给娃造一个会现挂的 AI 睡前故事神器

AtomGit开源社区

所有评论(0)

查看更多评论

2602_95178071

@2602_95178071

已为社区贡献1条内容

ORB_SLAM3

2602_95178071

新系统装备

安装git

安装vim编辑器

安装gcc、g++

ROS1_noetic版本安装

一键安装

安装验证

3.依赖库

Eigen3

安装

验证安装是否正确

OpenCV4.2

依赖安装

下载源码

CMake 配置

编译命令

安装

验证安装成功

Panolin0.5

依赖安装

下载Panolin v0.5

编译配置

编译安装

系统库配置

测试代码 + 编译命令

2.编译命令

3. 运行

boost

依赖安装

下载解压

编译安装

验证路径

测试代码 + 编译命令

第一步：创建测试文件

第二步：编译并运行

成功输出：

ORB_SLAM3的源码编译

下载ORB_SLAM3

进入目录

OpenCV 修改（必改）

Eigen3版本号

Pangolin 链接错误

mono_euroc.cc 里的 false 改 true

编译命令

开始 分步编译（顺序绝对不能乱）

1. 编译 DBoW2

2. 编译 g2o

3. 编译 Sophus

4. 编译 ORB-SLAM3 主程序

编译成功标志

ORB-SLAM3 测试数据获取与运行

下好后终端

一键导出脚本

修改路径与话题

运行

最终目录结构

运行 ORB-SLAM3单目惯性

ORB-SLAM3 单目惯性运行命令 完整解读

一、完整命令

二、逐行/逐参数 超详细解读

1. 切换工作目录

2. 核心：运行可执行程序

3. 参数1：ORB 特征词典（必备）

4. 参数2：传感器配置文件（相机+IMU标定）

5. 参数3：数据集根目录

6. 参数4：图像时间戳文件

三、命令执行逻辑（一句话总结）

四、关键注意事项

所有评论(0)

温馨提示：您尚未绑定手机号

2602_95178071

开始分步编译（顺序绝对不能乱）

ORB-SLAM3 单目惯性运行命令完整解读

二、逐行/逐参数超详细解读