R3LIVE编译运行和代码分析

最近踩了一下R3LIVE的坑，花了很长时间，编译、运行、跑自己数据集、改代码加功能。先插个眼，如果有很多兄弟需要或者等有时间了来写这篇文章。

原始demo：

在自己的数据集上运行：

先说一下自己的环境吧，我是AMD5800H+3060+Ubuntu 18.04+ROS Melodic，但其实这个框架不吃显卡，CPU和内存越高越好（大部分SLAM框架都是如此），内存最好要有16G（包括swap内存），否则可能会运行崩溃，因为全局地图会默认开辟大概12G的内存，非要用小内存电脑运行的话，可以在源代码中修改地图的大小。

这个框架编译最困难的地方应该就是opencv的版本要求比较高和高版本的opencv与cv_bridge的配合。其余的ROS还有各种依赖报错就挺好解决的，缺啥装啥，具体参考r3live的官方github。我只讲opencv相关的。

官方已经验证过能用的opencv版本是3.3.1, 3.4.16, 4.2.1 and 4.5.3，我使用的是4.5.1。首先就是下载对应版本的opencv和opencv_contrib，当然是用git命令啦，git clone https://github.com/opencv/opencv.git，git clone https://github.com/opencv/opencv_contrib.git，注意要进入克隆的文件夹中使用git checkout x.x.x来选择相应的版本，比如我是切换成4.5.1就用git checkout 4.5.1。然后在opencv的文件夹下建一个build文件夹并进入，一般的第三方库这时候cmake ..就行了，但是opencv不行，要配置一堆编译参数，使用以下命令。

cmake -DCMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local/opencv-4.5.1 \
-D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules \
-D WITH_CUDA=1 \
-D WITH_CUDNN=1 \
-D WITH_V4L=1 \
-D OPENCV_DNN_CUDA=1 \
-D CUDNN_VERSION='8.1.0' \
-D CUDNN_INCLUDE_DIR='/usr/local/cuda-11.1/targets/x86_64-linux/include' \
-D ENABLE_FAST_MATH=1 \
-D CUDA_FAST_MATH=1 \
-D WITH_CUBLAS=1 \
-D CUDA_nppi_LIBRARY=true \
-D OPENCV_GENERATE_PKGCONFIG=1 \
-D CUDA_GENERATION=Pascal  ..

其中的opencv_contrib路径根据自己的安装位置进行选择，以上是使用GPU加速的opencv（这个框架的计算资源的消耗本身就比较小，不加速也无所谓），需要提前配置好显卡驱动和CUDA，当然也可以编译不加速的opencv，只需要将WITH_CUDA、WITH_CUDNN和OPENCV_DNN_CUDA改为零，以及相应路径删掉即可，如下。

cmake -DCMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local/opencv-4.5.1 \
-D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules \
-D WITH_CUDA=0 \
-D WITH_CUDNN=0 \
-D WITH_V4L=1 \
-D OPENCV_DNN_CUDA=0 \
-D ENABLE_FAST_MATH=1 \
-D CUDA_FAST_MATH=1 \
-D WITH_CUBLAS=1 \
-D CUDA_nppi_LIBRARY=true \
-D OPENCV_GENERATE_PKGCONFIG=1 \
-D CUDA_GENERATION=Pascal  ..

如果遇到Configuring incomplete, errors occurred!，那非常遗憾，先检查编译的路径是不是都正确，并自己查看报错的原因尝试自己解决（这不正是玩linux的意义所在嘛），如果还是不行，可以去别人的博客找找解决方法（以上两条指令对我都是能正常使用的）。如果是Configuring done，那恭喜你，可以进行下一步了。

cmake完成后就需要make了，使用make -j 14多线程更快速编译完成，这一步要比较长时间。编译完成之后，不要sudo make install，因为可能你电脑上已有的程序一般会习惯用3版本的opencv，还有一个就是ros中的cv_bridge默认会使用3版本的opencv，如果将opencv4安装到系统中，再使用cv_bridge时会报错。其实这也是维护环境的一个技巧，你的电脑中不可能只有一个框架，多个框架可能依赖不同版本的第三方库，比如opencv，pcl，ceres，protbuf等等，都可以给每个框架编译一个专用的，而不是都从系统路径中寻找。

所以我们修改R3LIVE的CmakeList.txt来锁定opencv的路径，导入我们新编译的版本而不是系统中存在的版本。在find_package(opencv REQUIRED)之前加入set(OpenCV_DIR "/home/yhd/opencv-4.5.1-withGPU/build")即可，需要改成自己刚编译好的build路径。