本文参照哔哩大学的视频【高翔x助教黑熊x深蓝学院】视觉SLAM理论与实践环境搭建，我黑熊又来了！但是视频没有给出安装包链接，而且视频中间出错一次。
本博客根据安装无数遍后的踩坑而总结，根据每一步链接应该可以完成（前提你熟悉ubuntu，我用的ubuntu18版本）。
首先，每个库的版本都很重要，把每个库都重新安装一遍最好。
环境配置成功后sudo apt-get upgrade 指令就一般不要用了。
先在终端运行两句：
sudo apt-get update
sudo apt-get install build-essential cmake
开始安装
1、Eigen3.3.9安装
Eigen3.3.4以上的Eigen3版本对于目前的slam环境都可用，但是亲测Eigen3.3.9的毛病最少。
参照这个链接：https://blog.csdn.net/knswd/article/details/113006153
Eigen是一个c++开源线性代数库，后边几个库都要根据Eigen3.3.9来安装，很重要。安装后应该在/usr/local/include/eigen3 中能找到eigen3文件夹。
查看已经下载的Eigen３的方法为指令：
gedit /usr/include/eigen3/Eigen/src/Core/util/Macros.h
其中后边可以改成自己Eigen３的位置，下图中竖着的几个数字3.3.4即为版本号。
2、Sophus安装
sophus需要依赖fmt库，因此优先安装fmt：
git clone https://github.com/fmtlib/fmt.git
cd fmt
mkdir build
cd build
cmake ..
make
sudo make install
再安装sophus，自己建立一个文件夹，在终端打开，然后：
git clone https://github.com/strasdat/Sophus.git
cd Sophus/
mkdir build
cd build
cmake ..
make
sudo make install
在这里强调！不要回滚git checkout a621ff，否则会装成老版本的非模板sophus（网上大多教程都有回滚）
千万不要回滚！！！！！
且强调
sudo make install一定要有。
最后测试，先看看这个目录下有没有sophus
（1）CMakeList.txt ( 同时加入eigen和sophus的依赖 )
cmake_minimum_required(VERSION 2.8)
project(useSophus)
find_package(Sophus REQUIRED)
include_directories(${Sophus_INCLUDE_DIRS})
include_directories("/usr/local/include/eigen3")
add_executable(useSophus useSophus.cpp)
target_link_libraries(useSophus ${Sophus_LIBRARIES} fmt)
注意，include_directories(“/usr/local/include/eigen3”) 一定是这个路径，而不是直接usr/include/eigen3，因为你自己编译安装的是在local下面。
（2）测试
using namespace std;
using namespace Eigen;
/// 只是导入头文件看看能不能成
int main()
{
}
3、安装Pangolin
Sophus和这个Pangolin必须在Eigen3.3.#的版本安装，如果装过建议重装。若和Eigen版本不对应则后边无法运行。
已安装的卸载：在Pangolin文件夹的build文件夹下打开终端，输入
sudo make uninstall
卸载。然后删除Pangolin文件夹，按照下文重新安装。
先安装两个必要依赖：
sudo apt install pkg-config python3-pip
sudo apt install libglew-dev
推荐依赖：python2、用于python和C++互相调用所需的库pybind11、图形库Pillow等其他python模块、Linux 新型显示服务架构Wayland
sudo apt install libpython2.7-dev
git submodule init && git submodule update
sudo python -mpip install numpy pyopengl Pillow pybind11
sudo apt install pkg-config
sudo apt install libegl1-mesa-dev libwayland-dev libxkbcommon-dev wayland-protocols
然后安装Pangolin，打开终端以下指令安装。
一定要安装0.5版本，默认下载就是0.6版本了。0.5版本安装包链接如下：
https://github.com/stevenlovegrove/Pangolin/releases/tag/v0.5
cd Pangolin
mkdir build
cd build
cmake ..
cmake --build .
sudo make install
4、安装Ceres-solver
先安装依赖：
sudo apt-get install libgoogle-glog-dev libgflags-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libsuitesparse-dev
然后去https://github.com/ceres-solver/ceres-solver下载安装包，点击网站页面的Code，选择Download zip即可下载。找到下载的文件夹，解压并在文件夹中打开终端，然后输入以下指令完成安装：
mkdir build && cd build
cmake ..
make -j3
make test
sudo make install
5、安装g2o
先安装依赖：
sudo apt-get install libsuitesparse-dev qtdeclarative5-dev qt5-qmake libqglviewer-dev-qt5
然后去https://github.com/RainerKuemmerle/g2o下载安装包，点击网站页面的Code，选择Download zip即可下载。找到下载的文件夹，解压并在文件夹中打开终端，然后输入以下指令完成安装：
mkdir build && cd build
cmake ..
make
sudo make install
6、安装opencv
（可以卸载完后参照我以前的博客：ubuntu安装opencv）
首先先把以前的Opencv完全卸载：
进入原先编译opencv2的build目录，在该目录下打开终端;再执行以下代码。（注意如果build已经删除了，可以重新编译一遍该版本的opencv，然后在最后一步执行sudo make uninstall）
sudo make uninstall
cd ..
sudo rm -r build
sudo rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/include/opencv2 /usr/local/share/opencv /usr/local/share/OpenCV /usr/share/opencv /usr/share/OpenCV /usr/local/bin/opencv* /usr/local/lib/libopencv*
代码执行后会报错，忽略掉
sudo apt-get --purge remove opencv-doc opencv-data python-opencv
用以下代码检查opencv是否卸载干净
pkg-config opencv --libs
pkg-config opencv --modversion
若仍能显出opencv的相关信息，则存在两种可能：
可能一：未卸载干净
执行以下代码
sudo apt-get autoremove opencv-doc opencv-data libopencv-dev libopencv2.4-java libopencv2.4-jni python-opencv libopencv-core2.4 libopencv-gpu2.4 libopencv-ts2.4 libopencv-photo2.4 libopencv-contrib2.4 libopencv-imgproc2.4 libopencv-superres2.4 libopencv-stitching2.4 libopencv-ocl2.4 libopencv-legacy2.4 libopencv-ml2.4 libopencv-video2.4 libopencv-videostab2.4 libopencv-objdetect2.4 libopencv-calib3d2.4
可能二：
库已经被删除，但系统里仍保留了配置文件
打开/usr/local/lib/pkgconfig文件夹，发现有一个opencv.pc,打开该文件，里面写有包含路径与库路径，确保包含路径与库路径均被清空后，删除该pc文件，重新执行pkg-config opencv –libs pkg-config opencv –modversion
显示下面这样就可
No package 'opencv' found
卸载完后安装：
首先安装依赖：
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libxvidcore-dev libx264-dev libatlas-base-dev gfortran libgtk2.0-dev libjpeg-dev libpng-dev
然后去https://github.com/opencv/opencv/tree/3.4.12下载安装包，点击网站页面的Code，选择Download zip即可下载。找到下载的文件夹，解压并在文件夹中打开终端，然后输入以下指令完成安装：
mkdir build && cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
sudo make -j4
sudo make install
最后运行下边代码，结合我的截图理解：
sudo gedit /etc/ld.so.conf.d/opencv.conf
添加：
/usr/local/lib
sudo ldconfig
sudo gedit /etc/bash.bashrc
添加：
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
source /etc/bash.bashrc
sudo updatedb
上边这一段代码的注释：安装好opencv后要告诉系统，安装好了，即首先运行sudo gedit/etc/ld.so.conf.d/opencv.conf，弹出一个文本编辑的小窗，在里边添加上/usr/local/lib即可，如下图
写好了运行sudo ldconfig，即加载上边写的那个。再运行sudo gedit /etc/bash.bashrc，弹出一个系统的环境变量文档，在最后加上：
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
这两句话加上后用source /etc/bash.bashrc让其生效，然后sudo updatedb全部加载一下。
以上所有安装包和依赖就配置完成了。
这个环境下可以完成大部分的slam开源项目，例如ORB_SLAM 2
安装ORB_SLAM 2
选择放置ORB_SLAM2工程的文件夹（如果需要在ROS环境下运行ORB_SLAM，最好将工程放在catkin_ws/src文件夹下），在该文件夹中打开终端，执行一下命令：
git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2
cd ORB_SLAM2
chmod +x build.sh
./build.sh
如过需要在ROS环境下运行ORB_SLAM，则需要执行一下命令：
chmod +x build_ros.sh
export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:~/catkin_ws/src/ORB_SLAM2/Examples/ROS
./build_ros.sh
如果机器性能较低，可以将build.sh文件和build_ros.sh文件中的命令make -j全部改为make
运行ORB_SLAM2
我们使用KITTI数据集中的数据运行ORB_SLAM2。KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技术在车载环境下的性能。KITTI包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中最多达15辆车和30个行人，还有各种程度的遮挡与截断。整个数据集由389对立体图像和光流图，39.2 km视觉测距序列以及超过200k 3D标注物体的图像组成，以10Hz的频率采样及同步。
我们可以通过如下链接进行下载：http://www.cvlibs.net/datasets/kitti/eval_odometry.php
在ORB_SLAM2文件夹下打开终端，执行以下命令来运行程序：
./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTIX.yaml PATH_TO_DATASET_FOLDER/dataset/sequences/SEQUENCE_NUMBER
KITTI数据集有多组数据，不同的数据集需要选择不同的配置文件。所以我们需要根据KITTI数据集中数据编号来修改以上命令。以KITTI中第00组数据为例，在终端输入一下命令：
./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTI00-02.yaml PATH_TO_DATASET_FOLDER/dataset/KITTI/sequences/01
其中PATH_TO_DATASET_FOLDER指KITTI数据集所在文件夹的路径。
运行之后效果如下图所示：
Original: https://blog.csdn.net/weixin_45947476/article/details/122606174
Author: running snail szj
Title: slam的环境配置大全–保姆教学
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/623525/
转载文章受原作者版权保护。转载请注明原作者出处！