15.Slam算法的环境搭建与测试

一、前期准备

1. 软件 / 镜像下载

• 虚拟机软件：VMware Workstation Pro（官网下载试用版即可，或用免费的 VirtualBox）；
• Ubuntu 镜像：Ubuntu 20.04 LTS（推荐，ROS Noetic 适配性最好），下载地址：https://releases.ubuntu.com/20.04/；
• 硬件要求：宿主机至少 16GB 内存（给虚拟机分配 8GB）、CPU 4 核以上、50GB 以上硬盘空间。

2. 虚拟机创建与配置（核心！决定运行流畅度）

1. 打开 VMware，点击「创建新的虚拟机」，选择「典型」→ 下一步；
2. 选择「安装程序光盘映像文件 (ISO)」，选中下载的 Ubuntu 20.04 ISO 文件 → 下一步；
3. 设置 Ubuntu 用户名 / 密码（记住！后续登录用）→ 下一步；
4. 虚拟机名称自定义（如「Ubuntu-SLAM」），存储路径选非 C 盘 → 下一步；
5. 最大磁盘大小设置为「100GB」，选择「将虚拟磁盘存储为单个文件」→ 下一步；
6. 点击「自定义硬件」，关键配置：
   • 内存：调整为「8GB（8192MB）」（至少 6GB，否则编译 SLAM 会卡死）；
   • 处理器：核心数调整为「4 核」（宿主机核心数的一半）；
   • 显示器：勾选「加速 3D 图形」，显存调整为「2GB」；
   • 网络适配器：选择「桥接模式」（方便后续联网装依赖）；
7. 点击「完成」，启动虚拟机，开始安装 Ubuntu 系统（全程默认下一步，等待 10-15 分钟）。

二、SLAM 环境搭建（ROS Noetic + ORB-SLAM3）

步骤 1：Ubuntu 系统基础配置

1. 更换国内源（解决下载慢问题）：

   # 备份原源文件 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak # 替换为阿里云源 sudo gedit /etc/apt/sources.list

   清空文件内容，粘贴以下内容（Ubuntu 20.04 专用）：

   deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse

   保存后更新源：

   sudo apt update && sudo apt upgrade -y

2. 安装基础依赖：

   sudo apt install git cmake gcc g++ python3-pip vim -y

步骤 2：安装 ROS Noetic

1. 添加 ROS 源和密钥：

   sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list' curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc | sudo apt-key add -

   （如果密钥添加失败，替换为国内源：sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys F42ED6FBAB17C654）

2. 安装 ROS 完整版：

   sudo apt update sudo apt install ros-noetic-desktop-full -y

3. 初始化 rosdep（解决依赖的核心工具）：

   # 解决rosdep update失败问题（国内专用） sudo pip3 install rosdepc sudo rosdepc init rosdepc update

4. 设置 ROS 环境变量（每次终端启动自动加载）：

   echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc source ~/.bashrc

5. 安装 ROS 构建工具：

   sudo apt install python3-rosinstall python3-rosinstall-generator python3-wstool build-essential -y

6. 验证 ROS 安装：

   roscore

   若出现「started core service [/rosout]」，说明 ROS 安装成功（按 Ctrl+C 关闭）。

步骤 3：安装 ORB-SLAM3 依赖

# 1. 安装Eigen（线性代数库） sudo apt install libeigen3-dev -y # 2. 安装Pangolin（可视化工具） sudo apt install libpangolin-dev -y # 3. 安装OpenCV（计算机视觉库） sudo apt install libopencv-dev python3-opencv -y # 4. 安装Boost库 sudo apt install libboost-all-dev -y

步骤 4：编译 ORB-SLAM3

1. 创建 SLAM 工作空间：

   mkdir -p ~/slam_ws/src cd ~/slam_ws/src

2. 克隆 ORB-SLAM3 源码：

   git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git

3. 编译 ORB-SLAM3 核心库：

   cd ORB_SLAM3 chmod +x build.sh ./build.sh # 编译时间约10分钟，耐心等待，虚拟机编译会慢一些

4. 编译 ROS 接口（让 ORB-SLAM3 和 ROS 通信）：

   chmod +x build_ros.sh ./build_ros.sh

5. 设置 ORB-SLAM3 环境变量：

   echo "export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:~/slam_ws/src/ORB_SLAM3/Examples/ROS" >> ~/.bashrc source ~/.bashrc

三、SLAM 环境使用（跑公开数据集验证）

虚拟机无法连接真实硬件，所以先跑离线公开数据集验证环境，这是入门 SLAM 的核心步骤。

步骤 1：下载 TUM 数据集（小型视觉数据集，适合虚拟机）

# 创建数据集文件夹 mkdir -p ~/slam_datasets/tum cd ~/slam_datasets/tum # 下载TUM单目数据集（房间场景，体积小） wget https://vision.in.tum.de/rgbd/dataset/freiburg1/rgbd_dataset_freiburg1_room.tgz # 解压数据集 tar -zxvf rgbd_dataset_freiburg1_room.tgz

步骤 2：运行 ORB-SLAM3 单目 SLAM

cd ~/slam_ws/src/ORB_SLAM3 # 运行单目SLAM（参数说明：词典文件 + 配置文件 + 数据集路径） ./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM1.yaml ~/slam_datasets/tum/rgbd_dataset_freiburg1_room

预期效果

1. 终端会输出特征点提取、跟踪、建图的日志；
2. 弹出两个可视化窗口：
   • 左窗口：数据集的 RGB 画面 + 实时提取的 ORB 特征点；
   • 右窗口：3D 稀疏点云地图 + 相机运动轨迹（红色）；
3. 你可以用鼠标旋转 / 缩放右窗口，查看构建的点云地图。

运行的图形化效果如下：

四、虚拟机使用 SLAM 的避坑指南

1. 可视化窗口卡顿：

   • 原因：虚拟机 3D 加速性能有限；
   • 解决：修改 ORB-SLAM3 配置文件，降低点云显示数量：

     gedit ~/slam_ws/src/ORB_SLAM3/Examples/Monocular/TUM1.yaml

     将Viewer.MaxFrames从1000改为100，保存后重新运行。

2. 编译 ORB-SLAM3 报错「C++11」：

   • 解决：修改ORB_SLAM3/CMakeLists.txt，在开头添加：

     set(CMAKE_CXX_STANDARD 14) set(CMAKE_CXX_STANDARD_REQUIRED ON)

3. rosdep update 失败：

   • 解决：改用rosdepc（国内镜像），就是教程里的sudo pip3 install rosdepc。

4. Pangolin安装失败：

# 1. 回到 Pangolin 根目录 cd .. git checkout v0.6 # 2. 重新创建 build 目录并编译 mkdir -p build && cd build cmake .. make -j$(nproc) sudo make install

5.OpenCV 版本错误

总结

1. 环境搭建核心：虚拟机重点要分配足够的内存 / CPU，更换国内源解决下载慢，rosdepc 替代 rosdep 解决初始化失败；
2. 使用核心：虚拟机只能跑离线数据集（TUM/EuRoC），验证 SLAM 算法的建图 / 定位逻辑，熟悉参数调整；
3. 进阶方向：等熟悉基础后，装双系统（物理机 Ubuntu），连接摄像头 / 激光雷达跑实时 SLAM。

如果运行过程中遇到具体报错（比如编译失败、数据集跑不起来），可以把报错信息发给我，我帮你定位解决。