ORB-SLAM3复现实战：从环境搭建到数据集运行的全流程避坑指南

1. 环境准备：Ubuntu 20.04与ROS Noetic基础配置

在开始ORB-SLAM3的复现之前，确保你的系统环境已经正确配置。我使用的是Ubuntu 20.04 LTS版本，搭配ROS Noetic。这个组合是目前最稳定的选择之一，因为ORB-SLAM3的依赖库在这个环境下有较好的兼容性。

首先，我们需要安装ROS Noetic。打开终端，依次执行以下命令：

bash复制sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'
sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654
sudo apt update
sudo apt install ros-noetic-desktop-full

安装完成后，记得初始化rosdep并设置环境变量：

bash复制sudo rosdep init
rosdep update
echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc
source ~/.bashrc

接下来创建catkin工作空间，这是ROS开发的标配：

bash复制mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/
catkin_make
echo "source ~/catkin_ws/devel/setup.bash" >> ~/.bashrc
source ~/.bashrc

注意：很多初学者容易忽略环境变量的设置，导致后续出现"package not found"等错误。建议每次打开新终端时都确认一下环境变量是否生效，可以通过echo $ROS_PACKAGE_PATH命令检查。

2. 依赖库安装：那些版本冲突的血泪史

ORB-SLAM3的依赖库安装是最容易踩坑的环节。根据我的经验，Pangolin、OpenCV和Sophus这三个库的版本兼容性问题最为突出。

2.1 Pangolin安装

Pangolin是ORB-SLAM3的可视化工具，建议安装0.6版本而非最新版：

bash复制sudo apt-get install libglew-dev libpython2.7-dev
git clone -b v0.6 https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
mkdir build && cd build
cmake ..
make -j4
sudo make install

如果遇到"slots_reference"编译错误，通常是因为使用了过新的Pangolin版本。这时需要完全卸载现有版本再重新安装0.6版。

2.2 OpenCV兼容方案

ORB-SLAM3官方推荐OpenCV 3.x，但在Ubuntu 20.04上默认安装的是4.2版本。经过多次测试，我发现OpenCV 4.2也能正常工作，但需要修改CMakeLists.txt：

bash复制sudo apt install libopencv-dev python3-opencv

安装后检查版本：

bash复制pkg-config --modversion opencv

如果显示4.x版本，需要在ORB-SLAM3的CMakeLists.txt中找到find_package(OpenCV 3.0 QUIET)这行，将其改为find_package(OpenCV REQUIRED)。

2.3 Sophus与Eigen3的恩怨

Sophus库的安装最容易出问题，特别是与Eigen3的版本冲突。我推荐使用以下方法：

bash复制git clone https://github.com/strasdat/Sophus.git
cd Sophus
mkdir build && cd build
cmake ..
make -j4
sudo make install

如果遇到"redefinition of class"错误，可能是因为系统中存在多个Sophus版本。这时需要完全清除旧版本：

bash复制sudo rm -rf /usr/local/include/sophus /usr/local/lib/cmake/Sophus

3. ORB-SLAM3源码编译：从报错到成功的完整历程

现在我们可以开始编译ORB-SLAM3了。首先克隆官方仓库：

bash复制git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git
cd ORB_SLAM3
chmod +x build.sh
./build.sh

3.1 常见编译错误解决

错误1：fatal error: sophus/se3.hpp: 没有那个文件或目录

这是因为Sophus安装路径未被正确识别。解决方法：

bash复制cd ORB_SLAM3/Thirdparty/Sophus
mkdir build && cd build
cmake ..
make -j4

错误2：Pangolin could not be found

检查Pangolin是否安装成功，并在CMakeLists.txt中添加：

cmake复制set(Pangolin_DIR /usr/local/lib/cmake/Pangolin)

错误3：'usleep' was not declared in this scope

这是一个C++11兼容性问题，修改对应源文件，在头部添加：

cpp复制#include <unistd.h>

3.2 ROS环境编译

如果需要ROS支持，还需要编译ROS模块：

bash复制chmod +x build_ros.sh
./build_ros.sh

如果遇到"Failed to invoke rospack"错误，尝试：

bash复制export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:~/catkin_ws/src/ORB_SLAM3/Examples/ROS

4. 数据集运行实战：EuRoC与TUM VI的完整流程

4.1 EuRoC数据集运行

首先下载EuRoC数据集，建议从官方获取MH_01_easy数据集。解压后执行：

bash复制./Examples/Stereo/stereo_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo/EuRoC.yaml /path/to/MH01 ./Examples/Stereo/EuRoC_TimeStamps/MH01.txt dataset-MH01_stereo

如果出现"waiting for images"问题，检查时间戳文件与图像序列是否匹配。我遇到过时间戳文件行数与实际图像数量不一致的情况，需要手动修正。

4.2 TUM VI数据集运行

对于TUM VI数据集，命令稍有不同：

bash复制./Examples/Monocular-Inertial/mono_inertial_tum_vi ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/TUM-VI.yaml /path/to/dataset-room1_512_16/mav0/cam0/data ./Examples/Monocular-Inertial/TUM_TimeStamps/dataset-room1_512.txt ./Examples/Monocular-Inertial/TUM_IMU/dataset-room1_512.txt dataset-room1_512_monoi

提示：数据集路径建议使用绝对路径，避免相对路径导致的文件找不到错误。我在第一次尝试时就因为路径问题浪费了两小时。

5. ROS实时运行与Gazebo仿真

5.1 USB摄像头实时运行

首先安装usb_cam包：

bash复制cd ~/catkin_ws/src
git clone https://github.com/ros-drivers/usb_cam.git
cd ~/catkin_ws
catkin_make

启动摄像头：

bash复制roslaunch usb_cam usb_cam-test.launch

然后运行ORB-SLAM3：

bash复制rosrun ORB_SLAM3 Mono /path/to/ORB_SLAM3/Vocabulary/ORBvoc.txt /path/to/ORB_SLAM3/Examples/Monocular/YourCamera.yaml

5.2 Gazebo仿真集成

对于Gazebo仿真，需要先设置阿克曼小车模型。我参考了以下步骤：

1. 下载小车模型到~/.gazebo/models目录
2. 修改launch文件中的相机话题名称
3. 启动仿真环境：

bash复制roslaunch smartcar_description display.launch

然后运行ORB-SLAM3：

bash复制rosrun ORB_SLAM3 Mono /path/to/Vocabulary/ORBvoc.txt /path/to/Examples/Monocular/YourGazeboCamera.yaml

如果出现"waiting for images"，检查相机话题是否匹配：

bash复制rostopic list
rostopic echo /camera/image_raw

6. 进阶调试与性能优化

经过基础功能实现后，我们可以进行一些优化：

1. 词汇树加速：使用更小的ORBvoc.txt文件提高加载速度
2. 多线程优化：在CMakeLists.txt中调整-DCMAKE_BUILD_TYPE为Release
3. 内存管理：修改System.cc中的关键帧缓冲区大小

对于实际部署，我建议：

• 在ros::init()后添加ros::NodeHandle::setParam("/use_sim_time", true)确保时间同步
• 修改Tracking.cc中的特征点提取参数，适应不同场景
• 使用g2o_viewer工具可视化优化结果

在完成所有配置后，我发现ORB-SLAM3在室内环境下能达到厘米级精度，但在快速移动时容易丢失跟踪。这时需要调整ORBextractor.cc中的特征点数量和尺度因子。经过一周的反复调试，最终在i7-10750H处理器上实现了稳定的30fps实时运行。