这篇文章主要介绍“如何快速搭建SVO-SLAM环境”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“如何快速搭建SVO-SLAM环境”文章能帮助大家解决问题。

首先，建立一个工作目录比如：workspace，然后把下面的需要的都在该目录下进行.

(tip：一定不要使用中文名字，尽管你的系统是中文默认的名字。不然下面的依赖项将会十分困难，cmake找不到配置文件。)

mkdirworkspacecdworkspace

Boost – c++ Librairies (thread and system are needed)

sudoapt-getinstalllibboost-all-dev

Eigen 3 – Linear algebra

apt-getinstalllibeigen3-dev

OpenCV – Computer vision library for loading and displaying images(我下载的是OpenCV3.0)

mkdirbuildcdbuildcmake..make

Sophus – Lie groups

cdworkspacegitclonehttps://github.com/strasdat/Sophus.gitcdSophusgitcheckouta621ffmkdirbuildcdbuildcmake..make

如果此时遇到了“unit_complex*.imag() = 0.”的错误，需要改代码为：”unit_complex*.imag(0.)“ Fast – Corner Detector

cdworkspacegitclonehttps://github.com/uzh-rpg/fast.gitcdfastmkdirbuildcdbuildcmake..make

g2o – General Graph Optimization OPTIONAL 耐心和细心，G2O的每个版本的依赖项很复杂，需要耐心看版本号。不然错误很多都摸不到头脑了。之前在网上也是看了很多博客，并没有真正的解决依赖项的问题。下面我整理自己做的过程，完整正确版本。

首先安装g2o的依赖项：

sudoapt-getinstallcmakelibeigen4-devlibsuitesparse-dev,qt4-qmakelibqglviewer-devlibsuitesparse-devlibcxsparse3.1.2libcholmod-dev

然后进行下载，编译等：

cdworkspacegitclonehttps://github.com/RainerKuemmerle/g2o.gitcdg2omkdirbuildcdbuildcmake..makesudomakeinstall

vikit_common – Some useful tools that we need vikit包含相机模型，SVO需要的一些数学和插值函数。

cdworkspacegitclonehttps://github.com/uzh-rpg/rpg_vikit.git

在pg_vikit/vikit_common/CMakeLists.txt 文件中设置 USE_ROS为FALSE.

cdrpg_vikit/vikit_commonmkdirbuildcdbuildcmake..make

SVO

cdworkspacegitclonehttps://github.com/uzh-rpg/rpg_svo.gitcdrpg_svo/svo

在文件 svo/CMakeLists.txt中，设置USE_ROS为 FALSE.

mkdirbuildcdbuildcmake..make

Run SVO without ROS 首先，创建一个存储数据的文件夹：

mkdirDatasets

然后设置一个环境变量去存储路径

exportSVO_DATASET_DIR=${HOME}/Datasets

执行脚本.bashrc，然后进去新文件夹下面去下载测试数据

source~/.bashrccd${SVO_DATASET_DIR}wgethttp://rpg.ifi.uzh.ch/datasets/sin2_tex2_h2_v8_d.tar.gz-O-|tar-xz

然后在测试数据上面运行SVO即可：

cdsvo/bin./test_pipeline

关于“如何快速搭建SVO-SLAM环境”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注亿速云行业资讯频道，小编每天都会为大家更新不同的知识点。