환경 요구 사항 라이브러리 또는 소프트웨어

기본(Basic):

    CMake (Makefile 생성용)
    Pangolin
    Boost
...

선택적(Optional, 하지만 권장!):

    CUDA (선택 사항)
    OpenMP (선택 사항)
    Ceres-Solver (선택 사항, UNIX 시스템에서는 공유 라이브러리 형태로 빌드해야 함!)
...

이 코드는 다음 버전의 Ubuntu 14.04 LTS에서 테스트되었습니다:

    Boost==1.55.0
    Eigen==3.2.0
    OpenCV=={2.4.10, 3.0}
...

1: Pangolin 설치:

1. 설치 파일 다운로드:
git clone https://github.com/stevenlovegrove/Pangolin.git

2. 종속성(Required Dependencies) 설치:

    C++11 (컴파일러가 이 기능을 지원해야 함)
　　Glew 의존성 설치:
    sudo apt-get install libglew-dev
...

2: Boost 설치:

wget https://dl.bintray.com/boostorg/release/1.64.0/source/boost_1_64_0.tar.gz
tar zxvf boost_1_64_0.tar.gz
cd boost_1_64_0.tar.gz
...

컴파일:
./b2 toolset=gcc

설치:
./b2 install --prefix=/usr ##--prefix=/usr는 Boost의 설치 디렉터리를 지정하는 용도입니다. 이 매개변수를 사용하지 않으면 기본적으로 헤더 파일은 /usr/local/include/boost 디렉터리에, 라이브러리 파일은 /usr/local/lib/ 디렉터리에 위치합니다. 여기서는 설치 디렉터리를 --prefix=/usr로 지정했기 때문에 Boost가 시스템 헤더 및 라이브러리 디렉터리에 직접 설치되어 환경 변수 설정을 생략할 수 있습니다.
마지막으로, 설치 후 바로 boost 라이브러리를 사용하여 컴파일하려면 다음 명령을 실행해야 합니다:

참고 설치: https://blog.csdn.net/u011641865/article/details/73498533

3: Eigen3 설치:

1. 설치:
sudo apt-get install libeigen3-dev

2. 조정 (기본 설치 경로는 다음과 같습니다):

/usr/include/eigen3
cd /usr/include/eigen3
$Series:/usr/include/eigen3 디렉터리에서 ls
...

3. Eigen 폴더를 /usr/include 아래에 배치하기 위해 복사 명령을 실행해야 합니다:
sudo cp Eigen/ .. -R

4. 테스트용 파일 작성 (vi myeigen.c):

#include <iostream>
#include <Eigen/Dense>
using Eigen::MatrixXd;
...

5. 컴파일.
g++ myeigen.c -o myeigen

6. 실행.
./myeigen

7. 결과.

 3  -1
2.5 1.5

ORB-SLAM2

저자: Raul Mur-Artal, Juan D. Tardos, J. M. M. Montiel 및 Dorian Galvez-Lopez (DBoW2)

13 Jan 2017: OpenCV 3 및 Eigen 3.3 지원 시작.

22 Dec 2016: AR 데모 추가 (섹션 7 참조).

ORB-SLAM2는 단안(Monocular), 스테레오(Stereo), 그리고 RGB-D 카메라를 위한 실시간 SLAM 라이브러리로, 카메라 궤적과 희소한 3D 재구성(스테레오 및 RGB-D의 경우 실제 스케일로)을 계산합니다. 이 라이브러리는 루프 감지(loop detection)와 실시간 카메라 재위치화(relocalization)가 가능합니다. 저희는 KITTI 데이터셋에서 스테레오 또는 단안으로, TUM 데이터셋에서 RGB-D 또는 단안으로, 그리고 EuRoC 데이터셋에서 스테레오 또는 단안으로 SLAM 시스템을 실행하는 예제를 제공합니다. 또한 실시간 단안, 스테레오 또는 RGB-D 스트림을 처리하기 위한 ROS 노드도 제공합니다. 이 라이브러리는 ROS 없이 컴파일할 수 있습니다. ORB-SLAM2는 GUI를 통해 SLAM 모드와 위치 추정(Localization) 모드 간 전환 기능을 제공하며, 자세한 내용은 본 문서의 섹션 9를 참조하십시오.

1. 라이선스

ORB-SLAM2는 GPLv3 라이선스 하에 공개되었습니다. 모든 코드/라이브러리 종속성(및 관련 라이선스) 목록은 Dependencies.md를 참조하십시오.

상업적 목적으로 ORB-SLAM2의 비공개 소스 버전을 사용하려면 저자들에게 문의하십시오: orbslam (at) unizar (dot) es.

학술 연구에서 ORB-SLAM2 (단안)를 사용하는 경우, 다음을 인용하십시오:

@article{murTRO2015,
  title={{ORB-SLAM}: 범용적이고 정확한 단안 SLAM 시스템},
  author={Mur-Artal, Ra'ul, Montiel, J. M. M. and Tard'os, Juan D.},
  journal={IEEE Transactions on Robotics},
  volume={31},
  number={5},
  pages={1147--1163},
  doi = {10.1109/TRO.2015.2463671},
  year={2015}
 }

학술 연구에서 ORB-SLAM2 (스테레오 또는 RGB-D)를 사용하는 경우, 다음을 인용하십시오:

@article{murORB2,
  title={{ORB-SLAM2}: 단안, 스테레오 및 RGB-D 카메라를 위한 오픈 소스 SLAM 시스템},
  author={Mur-Artal, Ra'ul and Tard'os, Juan D.},
  journal={IEEE Transactions on Robotics},
  volume={33},
  number={5},
  pages={1255--1262},
  doi = {10.1109/TRO.2017.2705103},
  year={2017}
 }

2. 필수 조건

저희는 Ubuntu 12.04, 14.04 및 16.04에서 라이브러리를 테스트했지만, 다른 플랫폼에서도 쉽게 컴파일할 수 있을 것입니다. 강력한 컴퓨터(예: i7)를 사용하면 실시간 성능을 보장하고 더 안정적이고 정확한 결과를 얻을 수 있습니다.

C++11 또는 C++0x 컴파일러

저희는 C++11의 새로운 스레드 및 chrono 기능을 사용합니다.

Pangolin

시각화(visualization)와 사용자 인터페이스를 위해 Pangolin을 사용합니다. 다운로드 및 설치 지침은 다음에서 확인할 수 있습니다: https://github.com/stevenlovegrove/Pangolin.

OpenCV

이미지와 특징(features)을 조작하기 위해 OpenCV를 사용합니다. 다운로드 및 설치 지침은 다음에서 확인할 수 있습니다: http://opencv.org. 최소 2.4.3 버전이 필요합니다. OpenCV 2.4.11 및 OpenCV 3.2로 테스트되었습니다.

Eigen3

g2o에서 필수입니다(아래 참조). 다운로드 및 설치 지침은 다음에서 확인할 수 있습니다: http://eigen.tuxfamily.org. 최소 3.1.0 버전이 필요합니다.

DBoW2 및 g2o (Thirdparty 폴더에 포함)

장소 인식(place recognition)을 수행하기 위해 DBoW2 라이브러리의 수정된 버전을 사용하고, 비선형 최적화(non-linear optimizations)를 수행하기 위해 g2o 라이브러리를 사용합니다. 두 수정된 라이브러리(BSD 방식)는 Thirdparty 폴더에 포함되어 있습니다.

ROS (선택 사항)

ROS를 사용하여 단안(monocular), 스테레오 또는 RGB-D 카메라의 실시간 입력을 처리하는 몇 가지 예제를 제공합니다. 이 예제들을 빌드하는 것은 선택 사항입니다. 만약 ROS를 사용하고 싶다면, Hydro 버전 이상이 필요합니다.

3. ORB-SLAM2 라이브러리 및 예제 빌드

저장소 클론:

git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2

Thirdparty 라이브러리와 ORB-SLAM2를 빌드하기 위해 build.sh 스크립트를 제공합니다. 필요한 모든 종속성(dependency)이 설치되었는지 확인하십시오 (섹션 2 참조). 다음을 실행하십시오:

cd ORB_SLAM2
chmod +x build.sh
./build.sh

이 명령어는 lib 폴더에 libORB_SLAM2.so를, 그리고 Examples 폴더에 실행 파일인 mono_tum, mono_kitti, rgbd_tum, stereo_kitti, mono_euroc, stereo_euroc를 생성합니다.

4. 단안(Monocular) 예제

TUM 데이터셋

http://vision.in.tum.de/data/datasets/rgbd-dataset/download 에서 시퀀스를 다운로드하고 압축을 해제합니다.
다음 명령어를 실행합니다. freiburg1, freiburg2, freiburg3 시퀀스에 대해 각각 TUMX.yaml 파일을 TUM1.yaml, TUM2.yaml 또는 TUM3.yaml로 변경합니다. PATH_TO_SEQUENCE_FOLDER를 압축 해제된 시퀀스 폴더로 변경합니다.

./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUMX.yaml PATH_TO_SEQUENCE_FOLDER

KITTI 데이터셋

http://www.cvlibs.net/datasets/kitti/eval_odometry.php 에서 데이터셋(흑백 이미지)을 다운로드합니다.
다음 명령어를 실행합니다. 시퀀스 0부터 2, 3, 그리고 4부터 12까지에 대해 각각 KITTIX.yaml 파일을 KITTI00-02.yaml, KITTI03.yaml 또는 KITTI04-12.yaml로 변경합니다. PATH_TO_DATASET_FOLDER를 압축 해제된 데이터셋 폴더로 변경합니다. SEQUENCE_NUMBER는 00, 01, 02, ..., 11로 변경합니다.

./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER

EuRoC 데이터셋

http://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets 에서 시퀀스(ASL 형식)를 다운로드합니다.
V1 및 V2 시퀀스의 경우 첫 번째 명령어를, MH 시퀀스의 경우 두 번째 명령어를 실행합니다. 원하는 시퀀스에 따라 PATH_TO_SEQUENCE_FOLDER와 SEQUENCE를 변경합니다.

./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml PATH_TO_SEQUENCE_FOLDER/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/SEQUENCE.txt

./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml PATH_TO_SEQUENCE/cam0/data Examples/Monocular/EuRoC_TimeStamps/SEQUENCE.txt

5. 스테레오(Stereo) 예제

KITTI 데이터셋

http://www.cvlibs.net/datasets/kitti/eval_odometry.php에서 데이터셋(흑백 이미지)을 다운로드합니다.
다음 명령어를 실행합니다. 시퀀스 0부터 2, 3, 그리고 4부터 12까지 각각에 대해 KITTIX.yaml을 KITTI00-02.yaml, KITTI03.yaml 또는 KITTI04-12.yaml로 변경합니다. PATH_TO_DATASET_FOLDER를 압축되지 않은 데이터셋 폴더로 변경합니다. SEQUENCE_NUMBER를 00, 01, 02, ..., 11로 변경합니다.

./Examples/Stereo/stereo_kitti Vocabulary/ORBvoc.txt Examples/Stereo/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER

EuRoC 데이터셋

http://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets에서 시퀀스(ASL 형식)를 다운로드합니다.
V1 및 V2 시퀀스의 경우 첫 번째 명령어를, MH 시퀀스의 경우 두 번째 명령어를 실행합니다. PATH_TO_SEQUENCE_FOLDER와 SEQUENCE는 실행하려는 시퀀스에 맞게 변경합니다.

./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml PATH_TO_SEQUENCE/mav0/cam0/data PATH_TO_SEQUENCE/mav0/cam1/data Examples/Stereo/EuRoC_TimeStamps/SEQUENCE.txt

./Examples/Stereo/stereo_euroc Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml PATH_TO_SEQUENCE/cam0/data PATH_TO_SEQUENCE/cam1/data Examples/Stereo/EuRoC_TimeStamps/SEQUENCE.txt

6. RGB-D 예제

TUM 데이터셋

http://vision.in.tum.de/data/datasets/rgbd-dataset/download에서 시퀀스를 다운로드하고 압축을 해제합니다.
파이썬 스크립트 associate.py를 사용하여 RGB 이미지와 깊이 이미지를 연결합니다. 일부 시퀀스에 대한 연결 정보는 *Examples/RGB-D/associations/*에 이미 제공되어 있습니다. 다음 명령어를 실행하여 자체 연결 파일을 생성할 수 있습니다:

python associate.py PATH_TO_SEQUENCE/rgb.txt PATH_TO_SEQUENCE/depth.txt > associations.txt

다음 명령을 실행합니다. TUMX.yaml은 각각 freiburg1, freiburg2, freiburg3 시퀀스에 대해 TUM1.yaml, TUM2.yaml 또는 TUM3.yaml로 변경하십시오. PATH_TO_SEQUENCE_FOLDER는 압축되지 않은 시퀀스 폴더로 변경하십시오. ASSOCIATIONS_FILE은 해당 연관성 파일의 경로로 변경하십시오.

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUMX.yaml PATH_TO_SEQUENCE_FOLDER ASSOCIATIONS_FILE

7. ROS 예제 (ROS Examples)

모노(mono), 모노AR(monoAR), 스테레오(stereo) 및 RGB-D용 노드 빌드하기

*Examples/ROS/ORB_SLAM2를 포함하는 경로를 ROS_PACKAGE_PATH 환경 변수에 추가합니다. .bashrc 파일을 열고 끝에 다음 줄을 추가하십시오. PATH는 ORB_SLAM2를 클론한 폴더로 대체하십시오:

export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:PATH/ORB_SLAM2/Examples/ROS

build_ros.sh 스크립트를 실행합니다:

chmod +x build_ros.sh
./build_ros.sh

모노컬러 노드 실행하기 (Running Monocular Node)

토픽 /camera/image_raw에서 오는 모노컬러 입력을 위해 ORB_SLAM2/Mono 노드를 실행합니다. 어휘 파일(vocabulary file)과 설정 파일(settings file)을 제공해야 합니다. 위쪽의 모노컬러 예제를 참조하십시오.

BTREE-C802/3DLine-SLAM 환경 설정 및 라이브러리 설치 가이드

요약

핵심 포인트

환경 요구 사항 라이브러리 또는 소프트웨어

기본(Basic):

선택적(Optional, 하지만 권장!):

1: Pangolin 설치:

2: Boost 설치:

3: Eigen3 설치:

ORB-SLAM2

관련 논문:

1. 라이선스

2. 필수 조건

C++11 또는 C++0x 컴파일러

Pangolin

OpenCV

Eigen3

DBoW2 및 g2o (Thirdparty 폴더에 포함)

ROS (선택 사항)

3. ORB-SLAM2 라이브러리 및 예제 빌드

4. 단안(Monocular) 예제

TUM 데이터셋

KITTI 데이터셋

EuRoC 데이터셋

5. 스테레오(Stereo) 예제

KITTI 데이터셋

EuRoC 데이터셋

6. RGB-D 예제

TUM 데이터셋

7. ROS 예제 (ROS Examples)

모노(mono), 모노AR(monoAR), 스테레오(stereo) 및 RGB-D용 노드 빌드하기

모노컬러 노드 실행하기 (Running Monocular Node)

댓글

AI 에이전트에 Zep AI 메모리 추가하는 방법

더 빠른 슈퍼컴퓨터만으로는 충분하지 않은 이유: 유전체학에서 첨단 컴퓨팅이 중요한 백만 가지 이유

## 변경 사항 - mlx: [@dhiltgen](https://github.com/dhiltgen)가 [#18657](https://git

Sipeed, 중국산 DGX Spark 및 Ryzen AI Halo 경쟁 제품 MaixStation 공개

AI 에이전트에 Zep AI 메모리 추가하는 방법

더 빠른 슈퍼컴퓨터만으로는 충분하지 않은 이유: 유전체학에서 첨단 컴퓨팅이 중요한 백만 가지 이유

## 변경 사항 - mlx: [@dhiltgen](https://github.com/dhiltgen)가 [#18657](https://git

Sipeed, 중국산 DGX Spark 및 Ryzen AI Halo 경쟁 제품 MaixStation 공개