LSD-SLAM深刻學習（1）-基本介紹與ros下的安裝

---

前言

     借鑑來自RGB-D數據處理的兩種方法-基於特徵與基於總體的，一樣能夠考慮整個圖片的匹配，而不是隻考慮特徵點的……

      通常這種稠密的方法須要很大的計算量，DTAM: Dense tracking and mapping in real-time 提出了利用GPU來加速運算的方法，Semi-dense Visual Odometry for a Monocular Camera經過半稠密的濾波有效地減小了運算時間，甚至在智能手機上實時實現了這個算法Semi-dense visual odometry for AR on a smartphone

     我的理解錯誤的地方還請不吝賜教，轉載請標明出處，內容若有改動更新，請看原博：http://www.cnblogs.com/hitcm/

     若有任何問題，feel free to contact me at robotsming@gmail.com

主要介紹

---

       主要參考一下幾篇文章，都是來自tum的。之後算法與代碼介紹都是基於這幾篇文章的，建議仔細研究，一定受益不淺。

       2013 Semi-dense Visual Odometry for a Monocular Camera

       2014 Semi-dense visual odometry for AR on a smartphone

       2014 LSD-SLAM: Large-Scale Direct Monocular SLAM

       在以上幾篇文章的基礎之上，有了完整的lsd-slam算法。

       算法的主頁以下

       https://github.com/tum-vision/lsd_slam

       http://vision.in.tum.de/research/vslam/lsdslam?redirect=1

     

---

ros下的安裝

    博主的編程環境是Ubuntu14.04+Ros Indigo,爲了方便記錄，採用的是虛擬機環境，可能有點卡。關於ROS的基礎知識，請自行學習，在此再也不贅述。

    首先安裝依賴項

sudo apt-get install ros-indigo-libg2o ros-indigo-cv-bridge liblapack-dev libblas-dev freeglut3-dev libqglviewer-dev libsuitesparse-dev libx11-dev
     而後git下面的內容

git clone https://github.com/tum-vision/lsd_slam.git lsd_slam
      最後是rosmake

rosmake lsd_slam

---

運行lsd-slam

一個來自官方的範例，使用的dataset以下，400+M

http://vmcremers8.informatik.tu-muenchen.de/lsd/LSD_room.bag.zip

解壓之

而後運行下面的3個命令，便可看到效果

rosrun lsd_slam_viewer viewer

rosrun lsd_slam_core live_slam image:=/image_raw camera_info:=/camera_info

rosbag play ./LSD_room.bag

 

另外能夠網上另外一位兄弟的文章，連接以下

http://www.bubuko.com/infodetail-1010849.html

http://www.mamicode.com/info-detail-957983.html