版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_36355662/article/details/82389661
非常高兴拿到了ZR300,可以愉快地做实验了。首先用它跑了一下maplab框架的ROVIOLI部分,体验了一下,发现系统写的真是稳定啊,鲁棒性非常好,怎么晃都没事。下面针对使用过程做一个简单的介绍。
参考网址:maplab推荐驱动安装
maplab的ROVIOLI使用教程
一、ZR300介绍
1、参数
2、官网提到的亮点
一款集成鱼眼摄像头与一个带深度摄像头的惯性测量单元 (IMU),为开发人员提供一系列新功能。 加之,配合英特尔® 实感™ SDK(Linux* 版),开发人员可实现以下功能:
(1)人体检测和跟踪、身体举动识别和姿势分析
(2)单物体或多物体检测、识别和跟踪
(3)六自由度跟踪(附带重新定位)、密集重建和占据地图绘制(同时定位和地图绘制)
3、硬件配置
这里要注意右侧有一个鱼眼摄像头,买过来的时候是用盖子盖子的,需要用手轻轻的拧开,因为maplab用的是鱼眼相机的图像,所以这里非常重要。
4、Intel官方SDK库
(1)SDK库中关于SLAM部分的介绍
(2)官网安装教程以及使用工具
Intel® RealSense™ SDK 2.0版本github
(3)SDK_1 github下载
二、ZR300驱动安装
1、在Ubuntu LTS 14.04系统终端里,输入如下指令:
#Installation for maplab users
sudo apt-get install ros-indigo-librealsense
cd catkin_maplab/src/
git clone https://github.com/ethz-asl/maplab_realsense.git
git clone https://github.com/ethz-asl/cuckoo_time_translator.git
catkin build maplab_realsense
#Run maplab_realsense
source catkin_maplab/devel/setup.bash
roslaunch maplab_realsense maplab_realsense.launch
2、可以看到终端输出相机信息:
3、查看一下相机各个tf关系:
4、最后查看一下发布的话题:
三、使用ZR300测试maplab的ROVIOLI
1、下载ZR300参数文件
从推荐网址下载三个yaml文件,也可以自己进行标定,使用kalibr工具箱进行标定。
官网强烈建立进行校准,列出了教程:
(1)使用Kalibr进行初始传感器校准
(2)传感器校准细化
这里就暂时不进行校准了,因为过程较复杂,就放在以后来吧。
2、将三个yaml文件放到指定目录下
3、制作启动文件
新建一个脚本文件test_ZR300.sh,输入如下代码:
#!/usr/bin/env bash
LOCALIZATION_MAP_OUTPUT=$1
NCAMERA_CALIBRATION="$ROVIO_CONFIG_DIR/ncamera.yaml"
IMU_PARAMETERS_MAPLAB="$ROVIO_CONFIG_DIR/imu-zr300-maplab.yaml"
IMU_PARAMETERS_ROVIO="$ROVIO_CONFIG_DIR/imu-zr300-rovio.yaml"
REST=$@
rosrun rovioli rovioli \
--alsologtostderr=1 \
--v=2 \
--ncamera_calibration=$NCAMERA_CALIBRATION \
--imu_parameters_maplab=$IMU_PARAMETERS_MAPLAB \
--imu_parameters_rovio=$IMU_PARAMETERS_ROVIO \
--datasource_type="rostopic" \
--save_map_folder="$LOCALIZATION_MAP_OUTPUT" \
--map_builder_save_image_as_resources=false \
--optimize_map_to_localization_map=false $REST
4、开始测试
打开终端,用sh test_ZR300.sh指令启动系统,就可以看到效果了,继续开心学习ing