ROS2学习和使用SLAM算法(gmapping/cartographer/orb-slam等)
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ZhangRelay/article/details/102461200
ROS2经过6年的快速发展，在充分优化和大幅改进ROS1的基础上（点击了解2014年ROS2规划），功能已经非常完善了。
orb-slam2
目前（2019年10月9日）官方功能包已达687。
ros-dashing功能包
直接支持的SLAM包，有cartographer，案例turtlebot，使用说明也非常丰富，网上资料详细。
ros2-cartographer
这里以orb-slam2在Ubuntu18.04配置为例简要说明一下，如果有ros1基础学习ros2非常快，没有ros1基础，推荐直接学习ros2～
在链接： https://github.com/raulmur/ORB_SLAM2
下载并编译orb_slam2源码，需要中文可以查阅：Ubuntu 18.04安装ROS Melodic与ORB-SLAM2
这里，一般会有一些bug需要修正，否则功能包无法使用！
需要在system.h文件中，添加#include <unistd.h>。
需要在ORB_SLAM2/Examples/ROS/ORB_SLAM2/CMakeList.txt添加-lboost_system。
有硬件直接上，没有可以选择仿真，或者使用bag包简单查看一下安装是否完成。
rosbag下载地址：
- https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets#downloads
- http://robotics.ethz.ch/~asl-datasets/ijrr_euroc_mav_dataset/
依据需要下载，这里使用的V2_03_difficult.bag。
如果想详细学习移动机器人，推荐ETH自动系统实验室的课程：
Autonomous Mobile Robots - Spring 2019
今年新鲜出炉，热气腾腾～～～～
中文带注释版本的orb-slam2链接（泡泡机器人出品）：https://github.com/PaoPaoRobot/ORB_SLAM2
使用colcon build成功编译后，运行ros2 run如下：
ros2 orb-slam2 节点
用法（ROS2 Dashing）
运行单目monocular SLAM节点（单目）：
$ ros2 run orbslam mono PATH_TO_VOCABULARY PATH_TO_YAML_CONFIG_FILE该节点订阅ROS2的camera主题，并等待Image消息。
例如，您可以使用以下方法从笔记本电脑网络摄像头流式传输帧：
$ ros2 run image_tools cam2image -t cameraRGBD节点（彩色RGB+深度D）：
可以使用以下命令运行该rgbd节点
$ ros2 run orbslam rgbd PATH_TO_VOCABULARY PATH_TO_YAML_CONFIG_FILEStereo节点（双目）：
可以使用以下命令运行该stereo节点
$ ros2 run orbslam stereo PATH_TO_VOCABULARY PATH_TO_YAML_CONFIG_FILE BOOL_RECTIFY用法（ROS1 Melodic）
编译mono, monoAR, stereo 和 RGB-D 节点：
将包括Examples/ROS/ORB_SLAM2的路径添加到ROS_PACKAGE_PATH环境变量中。打开.bashrc文件，并在末尾添加以下行。用下载的ORB_SLAM2文件夹路径替换PATH：
export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:PATH/ORB_SLAM2/Examples/ROS运行build_ros.sh脚本：
chmod +x build_ros.sh
./build_ros.sh运行Monocular单目摄像头节点：
运行节点ORB_SLAM2/Mono启动主题/camera/image_raw的单目输入节点。需要提供词汇表（vocabulary）文件和设置（settings）文件的路径。具体参考文末提供的资料链接。
rosrun ORB_SLAM2 Mono PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE运行Monocular单目摄像头增强现实演示
这是增强现实的演示，可以在其中使用界面在场景的平面区域中插入虚拟立方体。节点从主题/camera/image_raw读取图像。
rosrun ORB_SLAM2 MonoAR PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE运行Stereo双目摄像头节点
For a stereo input from topic /camera/left/image_raw and /camera/right/image_raw run node ORB_SLAM2/Stereo. You will need to provide the vocabulary file and a settings file. If you provide rectification matrices (see Examples/Stereo/EuRoC.yaml example), the node will recitify the images online, otherwise images must be pre-rectified.
运行节点ORB_SLAM2/Stereo启动双目输入主题/camera/left/image_raw（左）和/camera/right/image_raw（右）。需要提供词汇表文件和设置文件。如果提供校正矩阵（请参阅示例/Stereo/EuRoC.yaml示例），则该节点将在线引用图像，否则必须对图像进行预校正。
rosrun ORB_SLAM2 Stereo PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE ONLINE_RECTIFICATION示例：从EuRoC数据集（http://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets）下载一个rosbag（例如V1_01_easy.bag ）。在终端上打开3个选项卡，并在每个选项卡上运行以下命令：
roscorerosrun ORB_SLAM2 Stereo Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml truerosbag play --pause V1_01_easy.bag /cam0/image_raw:=/camera/left/image_raw /cam1/image_raw:=/camera/right/image_raw一旦ORB-SLAM2加载了词汇表，请在rosbag选项卡中按空格。请享用！。注意：需要一台功能强大的计算机来运行此数据集。
运行RGB_D深度彩色摄像头节点
For an RGB-D input from topics /camera/rgb/image_raw and /camera/depth_registered/image_raw, run node ORB_SLAM2/RGBD. You will need to provide the vocabulary file and a settings file. See the RGB-D example above.
运行节点ORB_SLAM2/RGBD订阅主题/camera/rgb/image_raw（彩色）和/camera/depth_registered/image_raw （深度）。需要提供词汇表文件和设置文件。请参阅文末的RGB-D示例链接。
rosrun ORB_SLAM2 RGBD PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE部分截图如下：
orb slam2 ros（1）
orb slam2 ros（2）
orb slam2 ros（3）
一些使用广泛的ROS1SLAM包的ROS2版本：
1. gmapping：
源码链接：https://github.com/Project-MANAS/slam_gmapping
启动：
ros2 launch slam_gmapping slam_gmapping.launch.py2. cartographer：
源码链接：https://github.com/ros2/cartographer_ros
3. littleslam：
源码链接：https://github.com/rsasaki0109/littleslam_ros2
4. orb-slam2：
源码链接：https://github.com/alsora/ros2-ORB_SLAM2
更多内容，依据反馈后补充，非常感谢～
腾讯云开发者
