篇首语：本文由小编为大家整理，主要介绍了ORB_SLAM3安装运行&性能测试对比相关的知识，希望对你有一定的参考价值。
目录
一、安装
（1）下载源码
（2）编译
（3）遇到问题
二、运行
（1）非ROS下用的EUROC数据集MH05
（2）ROS下用的EUROC数据集MH04
三、 EVO安装&使用
（1）安装
（2）使用
四、与ORB_SLAM2性能对比
（1）单目-非ROS下
（2）双目-ROS下
五、总结
补充：
RGBD的精度对比-ATE&RPE
一、安装
环境：ubtuntu16
第三方库：Pangolin opencv3.2 Eigen3
（1）下载源码
https://github.com/UZ-SLAMLab/ORB_SLAM3ORB-SLAM3论文地址：https://arxiv.org/abs/2007.11898
（2）编译
cd ORB-SLAM3/chmod +x build.shsudo ./build.sh（3）遇到问题
/home/one/catkin_ws/src/ORB_SLAM3/src/LocalMapping.cc:628:49: error: no match for "operator/’ (operand types are "cv::Matx
解决方法：找到对应文件所在行，把x3D = x3D_h.get_minor<3,1>(0,0) / x3D_h(3)换成
x3D = cv::Matx31f(x3D_h.get_minor<3,1>(0,0)(0) / x3D_h(3), x3D_h.get_minor<3,1>(0,0)(1) / x3D_h(3), x3D_h.get_minor<3,1>(0,0)(2) / x3D_h(3));二、运行
下载数据集&测试
kmavvisualinertialdatasets – ASL Datasets
（1）非ROS下用的EUROC数据集MH05
单目：
./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml /home/one/dataset/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/MH04.txt单目+IMU：
./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml ./dataset ./Examples/Monocular-Inertial/EuRoC_TimeStamps/MH05.txt双目：
./Examples/Stereo/stereo_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo/EuRoC.yaml ./dataset ./Examples/Stereo/EuRoC_TimeStamps/MH05.txt双目+IMU：
./Examples/Stereo-Inertial/stereo_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo-Inertial/EuRoC.yaml ./dataset ./Examples/Stereo-Inertial/EuRoC_TimeStamps/MH05.txt（2）ROS下用的EUROC数据集MH04
双目：
rosrun ORB_SLAM3 Stereo Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml true
rosbag play MH_04_difficult.bag /cam0/image_raw:=/camera/left/image_raw /cam1/image_raw:=/camera/right/image_raw双目+imu：
rosrun ORB_SLAM3 Stereo_Inertial Vocabulary/ORBvoc.txt Examples/Stereo-Inertial/EuRoC.yaml true
rosbag play MH_04_difficult.bag /cam0/image_raw:=/camera/left/image_raw /cam1/image_raw:=/camera/right/image_raw /imu0:=/imu注意：这里EUROC数据集是没有深度图的，暂时不跑RGB-D
三、 EVO安装&使用
（1）安装
sudo apt install python-pippip install evo --upgrade --no-binary evo（2）使用
单轨迹：
evo_traj euroc data.csv --plot因为这里.csv文件有17列数据，与.txt对不齐，所以把data.csv转换成.tum格式
evo_traj euroc data.csv --save_as_tum真实轨迹与运行轨迹-对齐：
evo_traj tum KeyFrameTrajectory.txt --ref=data.tum -p --plot_mode xyz -a --correct_scale计算ape-绝对位姿误差
evo_ape tum KeyFrameTrajectory.txt data.tum -p --plot -s --correct_scale -a --align -v --save_results ape.zip关于evo的更多用法可自行搜索
四、与ORB_SLAM2性能对比
（1）单目-非ROS下
ORB_SLAM3
单目：
单目+IMU：
ORB_SLAM2
单目：
（2）双目-ROS下
为了生成轨迹文件，这里在ROS/ORB_SLAM3/src下的.cc文件对应位置加上生成轨迹的代码
ros::spin();// Stop all threads SLAM.Shutdown(); // Save camera trajectory SLAM.SaveKeyFrameTrajectoryTUM("KeyFrameTrajectory_TUM_Format.txt"); SLAM.SaveTrajectoryTUM("FrameTrajectory_TUM_Format.txt"); SLAM.SaveTrajectoryKITTI("FrameTrajectory_KITTI_Format.txt"); ros::shutdown();ORB_SLAM3
双目：
双目+imu：
ORB_SLAM2
五、总结
通过对比结果可以得到以下结论：
1-跑单目MH05，ORB_SLAM3与ORB_SLAM2表现差不多，ORB_SLAM3加了IMU之后，跑的时候更稳定，精度有所下降。
2-跑双目MH04，ORB-SLAM2会有一部分轨迹丢失，而ORB_SLAM3比ORB_SLAM2稳定，加了IMU之后，精度提升。
补充：
RGBD的精度对比-ATE&RPE
(1)TUM数据集-rgbd_dataset_freiburg1_desk
ORB_SLAM3
ORB_SLAM2
(2)TUM数据集-rgbd_dataset_freiburg1_plant
ORB_SLAM3
ORB_SLAM2
从测试结果上来看，ORB_SLAM3在TUM运行RGB-D效果没有ORB_SLAM2的好。
以上是关于ORB_SLAM3安装运行&性能测试对比的主要内容，如果未能解决你的问题，请参考以下文章
