ORB-SLAM2 运行 —— ROS + Android 手机摄像头

转载请注明出处，谢谢
原创作者：Mingrui
原创链接：https://www.cnblogs.com/MingruiYu/p/12404730.html


本文要点：

  • ROS 配置安装

    • 解决 sudo rosdep init 报错 Website may be down.
  • ORB-SLAM2 ROS 配置安装
    • 解决报错 DSO missing from command line
  • Android 手机摄像头与 PC 进行基于 ROS 的通信
  • 手机摄像头标定
    • 采集标定图像
    • OpenCV samples 相机标定例程
  • 使用 Android 手机摄像头，运行 ORB-SLAM2 ROS Mono
  • 简化启动
    • 使用 gnome-terminal，一个脚本运行多个终端

写在前面

最近研究 ORB-SLAM2，自然是想能自己实时跑一跑。但最近因为疫情只能待在家里，身边能当摄像头的东西好像只有笔记本摄像头和手机摄像头。笔记本摄像头不方便（特别是我的 matebook 14 这个在键盘上的弹出摄像头，如想实现可参考），所以选择使用手机摄像头。ORB-SLAM2 官方提供了 ROS 的支持，再结合网上各路大佬提供的工具，最终实现了以 Android 手机摄像头为输入，基于 ROS 在 PC 上实时运行 ORB-SLAM2 Mono。本文将从零开始，介绍如何实现这一目标。

本文环境为：

  • Ubuntu 18.04
  • ROS Melodic
  • Android 手机（MI 9 SE）

ROS 配置安装

首先是 ROS 的配置安装，参照 ROS 官方安装教程，其中第一步使用国内镜像：

sudo sh -c '. /etc/lsb-release && echo "deb http://mirrors.ustc.edu.cn/ros/ubuntu/ $DISTRIB_CODENAME main" > /etc/apt/sources.list.d/ros-latest.list'

sudo rosdep init 出错

安装步骤中 sudo rosdep init 报错：

ERROR: cannot download default sources list from:
https://raw.githubusercontent.com/ros/rosdistro/master/rosdep/sources.list.d/20-default.list
Website may be down.

首先试一试在浏览器中能不能打开，如果打不开的话，说明该网站需要翻。

因为在终端中安装，所以光浏览器能翻不够，还得配置终端翻。如果使用的是 ss 的话，终端还需要额外配置。配置方法可自行 google。

成功配置终端后，如果还报这个错，则需要：

sudo c_rehash /etc/ssl/certs
sudo -E rosdep init

之后再 rosdep update 就可以了。

学习教程

ROS-Tutorials

ORB-SLAM2 ROS 配置安装

编译

ORB-SLAM2 的配置安装可见 raulmur/ORB_SLAM2。之前的博文 ORB-SLAM2 初体验 —— 配置安装 中介绍了不包括 ROS 支持的 ORB-SLAM2 配置安装。包括 ROS 支持的配置安装可见 raulmur/ORB_SLAM2#7-ros-examples：

在 ~/.bashrc 中添加 ORB-SLAM2 path 至 ROS_PACKAGE_PATH

# 打开 ~/.bashrc
sudo gedit ~/.bashrc

# 添加
export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:PATH/ORB_SLAM2/Examples/ROS
# （注意修改 PATH 为自己 ORB-SLAM2 的目录）

NOTICE:

  • ${ROS_PACKAGE_PATH}:和PATH之间不能有空格。
  • 添加的位置要在之前添加的其它的 source 命令之后。

之后进行编译：

cd PATH/ORB_SLAM2
chmod +x build_ros.sh

./build_ros.sh

会报错：DSO missing from command line

解决方法：ERROR while running ./build_ros.sh #535

运行

例如运行单目 ORB-SLAM2：

rosrun ORB_SLAM2 Mono PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE

下文会详细介绍如何运行。

Android 手机摄像头与 PC 进行基于 ROS 的通信

该实现基于 GitHub 上的一个项目：hitcm/Android_Camera-IMU，作者实现了将手机的摄像头信息和 IMU 信息传给 PC（可参考作者博文 ROS实时采集Android的图像和IMU数据）。本文中，我们只需使用摄像头信息。

git clone https://github.com/hitcm/Android_Camera-IMU.git

sudo apt-get install ros-melodic-imu-tools  # 修改对应自己的 ROS 版本（本文中其实不需要）

将 clone 下来的文件夹中已经编译好的 apk 拷到 Android 手机上，在手机上安装。并将 PC 和 Android 手机 置于同一局域网下。

运行方式：

PC Terminal 1: roscore

Android: 打开应用，在 在 IP Port 中修改 IP 地址为 PC的 IP地址，port不需要修改（PC 的 IP 可在 PC 终端输入 ifconfig 查看），之后点击 Connect，连接成功则进入相机界面。

PC Terminal 2:

cd Android_Camera-IMU
roslaunch android_cam-imu.launch

之后会弹出一个 Rviz 界面:

  • 如果要实时显示 image，需要 Add - By topic - 添加/camera/image_raw/image。
  • 如果要显示 imu，则需要 Add - By topic - 添加 imu，且在 Fix Frame 中 将 map 改为 imu。

手机摄像头标定

为了 ORB-SLAM2 准确运行，需要对手机摄像头进行标定。标定方式为：对棋盘格标定板进行各个方向的拍照，之后基于 OpenCV 进行标定。注意这里采集的图片需要和 ORB-SLAM2 程序读取到的一致，所以不能直接使用手机自带相机 app 拍照，因为手机会自动通过算法进行校正，而上述通信传输的是 raw images。因此，首先我们需要完成的任务是：采集并保存摄像头图像。

使用下图作为标定板（参考资料），可直接在电脑屏幕上显示，对其拍照即可。

注意：

  • 实验发现，使用长宽格数不一样的棋盘标定板效果更好。
  • 实验发现，标定板周围要是白色的才行，黑色的提取不出角点来（在电脑屏幕上显示标定板时尤其需要注意）。
  • 摄像头需要从不同方向拍摄棋盘格，可参考 OpenCV 安装目录下 samples/data 中的 left0x.jpg 系列标定图片。

采集并保存图片

目前没有找到直接保存的方法，所以我们选择写一个 ROS node 来接收手机传来的图像，再通过 OpenCV 进行显示和保存。

为了方便，我们选择直接在 ORB-SLAM2 的 ros_mono.cc 的代码基础上进行修改，在 ros_mono.cc 同一目录下写了个 ros_camera_capture.cc：

/**
* This file is to capture images from Android phone, for camera calibration
* This file is used with Android_Camera-IMU
*/

#include<iostream>
#include<algorithm>
#include<fstream>
#include<chrono>

#include<ros/ros.h>
#include <cv_bridge/cv_bridge.h>

#include<opencv2/core/core.hpp>

#include"../../../include/System.h"

using namespace std;

string save_dir = "PATH"; // 修改为自己保存图片的路径
int imgId = 0;

void GrabImage(const sensor_msgs::ImageConstPtr& msg);

int main(int argc, char **argv)
{

    std::cout << "To save the current frame, please press 'Q' or 'q' " << std::endl;
    std::cout << "The images will be saved to " <<  save_dir << std::endl;

    ros::init(argc, argv, "PClistener");
    ros::start();

    ros::NodeHandle nodeHandler;
    ros::Subscriber sub = nodeHandler.subscribe("/camera/image_raw", 1, GrabImage);

    ros::spin();

    ros::shutdown();

    return 0;
}

void GrabImage(const sensor_msgs::ImageConstPtr& msg)
{
    string imgname;
    cv_bridge::CvImageConstPtr cv_ptr;
    try
    {
        cv_ptr = cv_bridge::toCvShare(msg);
        cv::Mat img = cv_ptr->image;
        cv::imshow("img_name", img);

        char key = cv::waitKey(1);
        // press "q" to save the image
        if(key == 'q' || key == 'Q'){
            imgId++;
            imgname = "img_" + to_string(imgId) + ".jpg";
            cv::imwrite(save_dir + imgname, img);
            std::cout << "has saved image "<< imgId << " to " << save_dir << std::endl;
        }
    }
    catch (cv_bridge::Exception& e)
    {
        ROS_ERROR("cv_bridge exception: %s", e.what());
        return;
    }
}

注意修改其中保存图像的目录。

另外，在 ORB_SLAM2/Examples/ROS/ORB_SLAM2 目录中的 CMakeLists.txt 中添加如下内容（添加在 # Node for monocular camera 上方即可）：

# Node for capture images for camera calibration
rosbuild_add_executable(CameraCapture
src/ros_camera_capture.cc
)

target_link_libraries(CameraCapture
${LIBS}
)

之后重新编译 ORB_SLAM2 项目。

cd PATH/ORB_SLAM2
./build_ros.sh

使用方法：

Terminal 1:

roscore

手机进入 app 运行

Terminal 2: 在 Android_Camera-IMU 目录

roslaunch android_cam-imu.launch

（可以关掉 Rviz）

Terminal 3:

rosrun ORB_SLAM2 CameraCapture

鼠标选中图像框，按下 q 键保存图像。

进行标定

使用 OpenCV samples 中的代码实现。参考资料

标定例程

新建一个工作目录（文件夹）camera_calibration_opencv，将 OpenCV 安装目录中的 samples/cpp/tutorial_code/calib3d/camera_calibration 文件夹内的内容拷贝至该目录。

修改 VID5.xml

VID5.xml 中存储着标定图像的路径，所以要在 VID.xml 中添加所有标定图像的路径，eg：

<?xml version="1.0"?>
<opencv_storage>
<images>
PATH/img_1.jpg
PATH/img_2.jpg
PATH/img_3.jpg
</images>
</opencv_storage>

修改 in_VID5.xml

<BoardSize_Width> 9</BoardSize_Width>
<BoardSize_Height>6</BoardSize_Height>

表示棋盘格的宽和高，注意，这里的宽度和高度是指内部交叉点的个数，而不是方形格的个数。如上图棋盘的数据就是9和6。

<Square_Size>20</Square_Size>

修改为每格的边长 (mm)，拿尺子量。

<Input>"VID5.xml"</Input>

修改 VID5.xml 的路径。

<Calibrate_FixPrincipalPointAtTheCenter> 1 </Calibrate_FixPrincipalPointAtTheCenter>

此处原来是0，需要改为1，表示引入切向畸变参数（因为 ORB-SLAM2 中也引入了切向畸变参数），否则只有径向畸变参数。

其它地方应该不需要改动，想进一步了解可看其中的注释。

编译

在工作目录 camera_calibration_opencv 中新建 CMakeLists.txt:

project(Camera_Calibration)
set(CMAKE_CXX_STANDARD 11)

find_package(OpenCV 3.0 QUIET)
if(NOT OpenCV_FOUND)
    find_package(OpenCV 2.4.3 QUIET)
    if(NOT OpenCV_FOUND)
        message(FATAL_ERROR "OpenCV > 2.4.3 not found.")
    endif()
endif()

include_directories(${OpenCV_INCLUDE_DIR})
add_executable(Camera_Calibration camera_calibration.cpp)
target_link_libraries(Camera_Calibration ${OpenCV_LIBS})

之后编译：

cd camera_calibration_opencv
mkdir build
cd build
cmake ..
make

运行，标定

cd camera_calibration_opencv
./Camera_Calibration in_VID5.xml

程序启动后会显示标定图像的角点提取情况，之后会显示校正后图像，一个一个全部关闭后才会保存标定参数至 out_camera_data.xml。

参数填入 ORB-SLAM2 的配置文件

参数输出在 out_camera_data.xml 中:

  • <camera_matrix type_id="opencv-matrix"> 是相机内参矩阵，顺序为 fx, 0, cx; 0, fy, cy; 0, 0, 1。
  • <distortion_coefficients type_id="opencv-matrix"> 是畸变参数，其顺序为 k1, k2, p1, p2, k3。

之后在 ORB_SLAM2 中新建一个配置文件 AndroidPhone.yaml（建哪儿都行，我为了方便就和 TUM1.yaml 放在了一个目录下），将 TUM1.yaml 的内容拷贝过来，并把其中的 Camera 参数进行修改。

注意： 相机参数对 ORB-SLAM2 的运行效果有极大影响（尤其是初始化），所以标定过程须认真完成。

运行 ORB-SLAM2 Mono

Terminal 1:

roscore

手机进入 app 运行

Terminal 2: 在 Android_Camera-IMU 目录

roslaunch android_cam-imu.launch

（可以关掉 rvis）

Terminal 3:

rosrun ORB_SLAM2 Mono PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE

运行效果展示：

注意： ORB-SLAM2 Mono 还是比较难以初始化的（其设置的初始化条件相对苛刻），在开始时，选择特征纹理丰富的区域，多上下左右平移相机，有利于初始化。

简化启动

上述启动步骤需要启动3个终端，挺麻烦的，所以可以选择写一个脚本来自动启动这3个终端。参考资料

新建 ORB_SLAM2_with_AndroidPhone.sh，在其中填入：

gnome-terminal --title="roscore" -x bash -c "roscore"
# 暂停 2s，保证几个不同终端的启动顺序
sleep 2s;  

gnome-terminal --title="AndroidPhone" -x bash -c "cd PATH/Android_Camera-IMU; roslaunch android_cam-imu.launch"
sleep 2s;

gnome-terminal --title="ORB-SLAM2" -x bash -c "rosrun ORB_SLAM2 Mono PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE"

之后赋予权限（仅需一次）：

chmod +x ORB_SLAM2_with_AndroidPhone.sh

运行：

./ORB_SLAM2_with_AndroidPhone.sh

即可一次性打开3个终端，并运行相关命令。之后手机再打开 app 就可以了。

注意： 此时终端运行结束后会自动退出，如果不想自动退出，可 在terminal点右键，选择Profiles->Profile Preferences然后找到Title and Command，里面有一项When command exits，后面选择为Hold the terminal open。参考资料

参考资料

ORB-SLAM2 系列博文

ORB-SLAM2 系列博文

原文地址：https://www.cnblogs.com/MingruiYu/p/12404730.html

时间： 2024-11-05 06:26:38

ORB-SLAM2 运行 —— ROS + Android 手机摄像头的相关文章

关于降低android手机摄像头预览分辨率

假设现在有这样一个需求需要一直开着手机摄像头 但是不做任何拍照动作 但是每个手机的相机分辨率都不同 而默认预览的时候参数是最大分辨率 这样有时候就回导致电量损耗的加快 所以我们可以采取降低相机分辨率的方法 这样既达到了目标 又节省了电量 1 package com.example.camerbatterytest; 2 3 4 import java.io.IOException; 5 import java.util.List; 6 7 import android.app.Activity;

ORB SLAM2运行中出现(ORB-SLAM2: Current Frame:14370): GLib-GIO-CRITICAL...的n问题

在Ubuntu16.04上安装ORBSLAM2,参考文档:http://www.cnblogs.com/wongyi/p/8596084.html 执行代码: ./Examples/Monocular/mono_tum  Vocabulary/ORBvoc.txt  Examples/Monocular/TUM1.yaml  ../rgbd_dataset_freiburg1_xyz 然后它就正常执行了,但是不明白为什么中间输出的信息中含有大量的以下代码:(我是已经安装了OpenGL并且按照ht

android 通过wifi 热点实现手机摄像头数据共享（转）

原文地址:http://blog.csdn.net/sinat_35845281/article/details/52674946 最近想搞一个新奇的玩意儿~~~ 最近一直在在学习通过两个Android手机通过wifi共享摄像头的数据.弄了好久有了点头目.具体有下面几个步骤: 1.对手机相机的开发,自定义surfaceView来定义自己的相机类.主要是显示手机摄像头的画面. 2.对自定义相机的预览画面的数据的获取.然后对数据进行解析. 3.在两台Android手机通过wifi建立传输数据的连接.

android手机有多个摄像头，打开其中一个

方法: private Camera openFrontFacingCameraGingerbread() { int cameraCount = 0; Camera cam = null; Camera.CameraInfo cameraInfo = new Camera.CameraInfo(); cameraCount = Camera.getNumberOfCameras(); for (int camIdx = 0; camIdx < cameraCount; camIdx++) {

Ubuntu14.04 使用本地摄像头跑ORB SLAM2

前面的准备: Ubuntu14.04安装 ROS 安装步骤和问题总结 Ubuntu14.04+ROS 启动本地摄像头 STEP1:第一个终端 roscore STEP2:第二个终端运行usb_cam roslaunch usb_cam usb_cam-test.launch STEP3: rosrun ORB_SLAM2 Mono /home/zc/Desktop/ORBvoc.txt  /home/zc/Desktop/Asus.yaml 我把 ./Vocabulary/ORBvoc.txt

ORB SLAM2在Ubuntu 16.04上的运行配置

安装依赖 安装OpenGL 1. 安装opengl Library$sudo apt-get install libgl1-mesa-dev2. 安装opengl utility$sudo apt-get install libglu1-mesa-dev3. 安装opengl utility toolkit$sudo apt-get install freeglut3-dev 安装GLEW $sudo apt-get install libglew-dev 安装boost $sudo apt-g

android 手机上运行图像算法

在pc上调试好的图像处理算法想要在android手机上跑一下看看速度需要一下几个步骤 1.建立一个android application,通过ndk调用你写好的图像算法的c/c++ code 2. 然后将你的code放到jni文件中,编写android.mk,之后利cgywin编译生成.so供android调用 3.之后把你的java code编译成apk,然后pull到手机中就可以看到结果了. 总的来说,如果没有做优化的话,直接在手机跑pc上的code,结果一般都是惨不忍睹,一般需要针对算法做

Ubuntu虚拟机+ROS+Android开发环境配置笔记

Ubuntu虚拟机+ROS+Android开发环境配置笔记 虚拟机设置: 1.本地环境:Windows 7:VMWare:联网 2.虚拟环境 :Ubuntu 14.04, 比较稳定,且支持很多ROS 3.虚拟机配置:硬盘至少50G,因为整个工具链配置起来需要很多空间,性能方面可以尽量往高配置. 4.虚拟环境搭建起来后,Ubuntu会弹出提示窗口询问是否升级软件,升级完后重启,约30分钟,取决于网络环境. 5.重启后,terminal执行以下: $ sudo apt-get upgrade $ s

【转】Android手机客户端关于二维码扫描的源码--不错

原文网址:https://github.com/SkillCollege/QrCodeScan QrCodeScan 这是Android手机客户端关于二维码扫描的源码,使用了高效的ZBar解码库,并修复了中文乱码. 融合了ZXing代码(使用其中的相机管理功能). 一. 使用开源ZXing扫描的缺点 1.原始代码是横屏模式,尽管可以改成竖屏,但是扫描界面的自定义和多屏幕适配不好做 2.有效扫描区域不好控制,可能是我自己技术不成熟,没找到好方法 3.ZXing是Java写的,对二维码的解析效率没有