curious-energy/learn-vslam

Learn slam by hand using python

learn-vslam

Learn slam by hand using python

learn from twitchslam

环境配置

(依旧是推荐使用conda和系统的环境隔离，防止损坏环境)

• opencv
• pygame
• g2o
• pangolin
• pyopengl
• scikit-image
• numpy

下面是环境配置（因为怕一些文件和之前配置的系统环境有冲突，为了防止损坏环境，使用docker）：

• 使用docker配环境比较好，基础环境使用opencvcourses/opencv-docker:4.4.0, 运行如下命令： xhost +local:root

docker run --name learn-vslam --runtime=nvidia -ti -e DISPLAY=unix$DISPLAY -v /tmp/.X11-unix:/tmp/.X11-unix -v ~/learn-pyhton/slam-visual:/slam-visual opencvcourses/opencv-docker:4.4.0 ~/Downloads:/dataVol

• 文件比较大，耐心等待下载

到这里可以进行刚g2o和panlion的python版本编译 具体参考https://github.com/uoip/g2opy、https://github.com/uoip/pangolin

twitchslam原作者在这里也折腾了很长时间，要有耐心！

如果只安装g2o可以在上述docker中，但在安装pangolin时候会产生冲突（opengl相关的问题，pangolin安装好，opencv会有问题，或者无法进行图形化界面操作），最后都成功是在电脑实体上（！建议在干净的实体机上，更容易些，使用apt安装包有可能在解决问题时损坏文件依赖关系，请提前做好备份），折腾的时候经过测试python3.6或者3.7都可以成功，一般编译不通过的看issue基本都可以解决。

导入成功后需要测试uiop作者的示例，都通过才可以，我这里没遇到issue中的导入成功后某些类导入失败。