RGBD_SLAM视觉里程计

[TOC]

小小的说明

学习笔记

学习地址：https://www.cnblogs.com/gaoxiang12/p/4719156.html

这是第一次写关于SLAM的博客。在学习完高翔博士的SLAM14讲的前八章之后(其实还差几页没看完，不过还是做出来了这个视觉里程计的嘛(虽然是很简陋的那种)，嘻嘻嘻。)，看见群里老哥推荐高翔博士的书和高博士的“一起做RGBD_SLAM”博客一起看，于是我就利用晚上10点自习回来之后到睡觉之间的时间以及早上6:10起床然后到上午上课之间的时间进行博客的学习。

经过两天半的学习与编码，完成了这个视觉里程计，当然这个视觉里程计还是非常粗糙的，后续还需要对其进行一些参数优化，然后还有后端一些处理的学习。

另外，高翔博士的github上的代码都是正确的，只是由于各种环境配置问题或者是各个库的版本问题，并不一定能直接在各位的电脑上跑起来，可以参照我代码进行一些功能的修改，但是由于我的代码结构和高翔博士的有些地方不太一样(个人认为高翔博士的代码更加容易维护，封装程度较高，对于这个百行级别的Demo甚至写了一个读取配置文件的类，而我这个虽然各个函数都进行了封装，但是有些地方写的比较随意。。。)，所以还请各位使用时要仔细对照一下。

我的学习环境为：

Ubuntu 16.04

OpenCV 3.4.5

GitHUb：https://github.com/RasertingL/My_RGBD_SLAM

掉进去的坑

slamBase.cpp中的cvMat2Eigen函数里的cv::cv2eigen()报错

为了将旋转向量revc转化为变换矩阵有如下步骤：

使用罗德里格变换(Rodrigues)将cv::Mat类型的旋转向量转化为旋转矩阵
将cv::Mat类型的旋转矩阵转化为Eigen::Matrix3d类型的旋转矩阵
然后将旋转矩阵与平移向量转化为变换矩阵

也就是第二步：将cv::Mat类型的旋转矩阵转化为Eigen::Matrix3d类型的旋转矩阵，使用了一个opencv中的函数cv::cv2eigen(cv::Mat, Eigen::Matrix)，这个函数可把我弄惨了，一调用，这个函数就报说Eigen未定义，但是这个函数里的Eigen应该是opencv里自带的啊，怎么可能会出错，并且我外面使用的Eigen也没报错额。然后调了半天，最后将头文件顺序按照高博士github里的顺序改了下，然后把CmakeLists.txt里Eigen的引入语句去掉了，最后，竟然，竟然编译通过了。。。真的很玄学。

终极解决方案：后面高博给出了个解决方案，不使用这个cv::cv2eigen()函数了，手写一个同样效果的代码：

    for ( int i=0; i<3; i++ )
        for ( int j=0; j<3; j++ ) 
            r(i,j) = R.at<double>(i,j);

visualOdometry.cpp中最后关于pcl的显示以及滤波报错问题

在调完各种bug后，眼看着cmake .. 成功，然后make达到了100%，到达了最后的链接阶段，想着我好想没在链接的地方掉过大链子，准备长舒一口气，可是，竟然，竟然，最后的链接报错了，但是并不是报什么库不存在什么的，而是显示pcl::visualization::CloudViewer的CloudViewer未定义，我滴妈呀，啥就未定义呀，当时喝水都差点喷出来了，这都pcl里封装的额，咋就未定义了。没办法，查了查这个报错，然后找到了一个老哥的博客(我也不知道怎么判断出来是老哥的，反正感觉就是)，他说，他也遇到了这个问题，然后他把自己的代码用高博的代码替代了，然后就成了。。。

emmmmmm，原来debug的最佳方式就是让别人的代码替代自己的代码(没有diss老哥的意思，其实他的这种特殊debug方式给了我启发)，但是也不行啊，我这代码结构和高博的不太一样，我这一换，，，全都得换啊，怕不是和直接github下一份没区别。。。

但是想了想，我先确定下关于pcl::visualization::CloudViewer这种写法没问题吧，于是我把高博的github上的代码拿来了(哎哟，真香，哎呦)，然后运行，根据报错，把里面的由于版本原因的问题改了下，然后就跑起来了。在确定了这样的写法没问题之后，我还是回到了自己的代码，由于是最后的链接阶段的报错，我感觉还是CMakeLists.txt的问题，于是我对着我自己的CMakeLists.txt和高博的CMakeLists.txt来找不同了，，，这一找，果然有了，在导入pcl库的时候，由于要是用visualization和滤波，所以CMakeLists.txt里应该对应写上对这俩的导入，但是呢，由于太笨，忘了写。。。

emmm不过，解决这一个Bug的同时，也解决了下面的的滤波未定义报错的情况(好吧，这个不说大家也能知道，emmmm对不起，我多嘴了)。

高博的代码改法

对了，这里一定有读者会说，我不想自己重新打一遍，我就想调通高博的代码，该怎么调，其实，高博的代码目前因为版本问题，就两个地方需要改:

slamBase.cpp中computeKeyPointsAndDesp(）函数中的。keypoints检测器和descripter计算器的创建问题，可能由于OpenCV版本更新导致的feature2d类里面已经没有create()函数了，所以报错找不到相应函数。改成auto detector = cv::ORB::create();这种ORB的就好了。

整个函数改动如下：

void computeKeyPointsAndDesp(FRAME &frame)
{
/*
    cv::Ptr<cv::FeatureDetector> _detector = cv::ORB::create();
    cv::Ptr<cv::DescriptorExtractor> _descriptor = cv::ORB::create();
   
    _detector->detect(frame.rgb, frame.kp);
    _descriptor->compute(frame.rgb, frame.kp, frame.desp);
    改成：
*/
   
    auto detector = cv::ORB::create();
    detector->detectAndCompute(frame.rgb, cv::noArray(), frame.kp, frame.desp);
   
    cout<<"keypoints : "<<frame.kp.size()<<endl;
   
    return;
}

另外也是因为OpenCV更新导致的solvePnPRansac()增加了一个置信区间参数，值为0-1。设置为默认值0.99就好了。

cv::solvePnPRansac(pts_obj, pts_img, cameraMatrix, cv::Mat(), rvec, tvec, false, 100, 1.0, 0.99, inliers);

然后就可以开始愉悦得跑结果辣！！！

One more thing

现在已经是凌晨0:37了，明天，不对，是今天还要早起第一节课，主要是我想一鼓作气一定要写完这SLAM的第一篇博客。作为一个SLAM初学者，和一个接触C已经快三年的人，通过这次代码练习，我发现，由于各种库的使用(从代码中可以看到，pnp都不用自己求，直接opencv帮你搞定，还是是带RANSAC的那种。。。想想就很一颗赛特好么。。。)，SLAM中的理论数学推导相比之下显得难度大得多。但是可以明显感觉到，在学习了SLAM14讲之后再做这个，有一种理论与实践结合的赶脚(虽然这个结合在大佬看来肯定很Low)。。。。。。

emmmmmmmmmm，理论学习很重要，共勉。

视觉里程计初步(RGBD)

VO(RGBD)

RGBD_SLAM视觉里程计

小小的说明

掉进去的坑

高博的代码改法

One more thing

CATALOG

FEATURED TAGS

FRIENDS