毕业三年了，现在是第二份工作，第一份工作已经结束一年半了，这意味着，我有一年半的时间没有搞视觉SLAM相关的东西了，虽然在第二份工作也是做视觉相关的，但是只是用到一些目标识别和跟踪的知识，并锻炼了一下工程实现能力，编程能力，一直是我的一块心病，哈哈，由此可见我不用适合做程序员，至少不会是出色的程序员，但是这毕竟是我一个比较靠谱的职业，他可以让我生活的更好一些，所以，我还是在不断坚持，我去面试视觉SLAM岗位，面试官都会问，你有没有做过什么改进，可笑的是，我只是对一些开源的视觉SLAM代码熟悉一些而已。但是不积跬步无以至千里，我还是把基础的工作做好，随缘吧，哈哈，佛系程序员是这样的吗。
今年年初我用了一年的时间完成了两个工作，单房间和多房间扫地机的覆盖率测试软件，从场地搭建到软件开发，都是我一个人，虽然很多时候感觉到孤寂，但是看到其他同事跟项目经理扯皮时，被项目经理追着不放时，我感觉我是幸运的。完成了上面的项目后，领导让我开始调研视觉SLAM，想在我们现有的扫地机算法上加上视觉算法，重操旧业，感觉不错，但是压力还是不小的，我没有信息能做好，最初的一段时间我忙着去医院保胎，还得赶紧把驾照考出来，所以调研的进度比较慢，后来胎儿稳定了，驾照也考出来了，我的心也安定下来，专心做起工作来。
虽说是调研，但是还得实践，不能说光看看论文，博客就可以了，那就不得不搭建环境，把算法跑起来。说到大环境，不得不让我想起来，我在研究生时刚开始研究视觉SLAM时，那那基本上两三天重装一次Ubuntu系统，我还有个电子文档专门记录我的一些成功的操作，哪个库怎么安装，但是压力确实很大，Linux系统知识，编程能力，视觉SLAM基础知识，数学基础，真的让我吃不消，不知道当初为啥非要选这个方向。大概是没有自知之明，真是惨不忍睹。
话说回来，正是有了之前的无数次失败的经验，以及五六年里的知识沉淀，所以这次重新搭建环境就感觉轻松很多，因为我坚信，我遇到的问题，在网上一定会找到答案的，当时你如果能跳墙那是很好的，你的视野大了不是一点半点。之前一直用的是Ubuntu16.04，现在用的是Ubuntu8.04，差别不是很大。之前搭建过orb-slam3的环境，这次也比较顺畅，下一个是svo,尤其是svo2.0,费了老鼻子劲了。很多问题是因为网络问题导致的，一个是Ubuntu上我不能跳墙，在着就是，公司网速不好，一个东西要重复下载好几次，才有可能成功。所以第二次下载是我就使用手机热点，确实要好很多。
一、在原有win10系统的基础上安装Ubuntu18.04系统
Windows10安装ubuntu18.04双系统教程 - 不妨不妨，来日方长 - 博客园
二、Ros melodic安装
我按照官网和一些博客文章安装最后在rosdep update出了问题一直解决不了，不过这篇文章有解决方法?
ubuntu18.04 ROS melodic完整版教程及错误处理（附带 catkin_ws工作空间搭建）_黄宏智的博客-CSDN博客_ubuntu18.04安装catkin
三、 orb-slam3环境搭建
ubuntu18.04配置ORB-SLAM3（包含ROS）完整版教程_黄宏智的博客-CSDN博客
?四、svo2.0
SVO2.0 安装编译_HR19的博客-程序员ITS203 - 程序员ITS203
在执行catkin build指令后，需要下载很多东西，好几个库会因为网速的问题，无法下载，可以尝试使用手机热点联网进行编译下载，再者出现“无法获取某个网址”错误时，那就重新编译，多执行几次编译命令，再次编译时不要删除掉上一次已经下载的build等文件夹中的东西。
除了网速问题，我还遇到了几个明显的问题，
（1）如果遇到“std::automic<int> a;不可以在定义式直接初始化”的错误时，
解决方案：那就在提示出错误的这个文件上添加头文件 #include<automic.h>
? (2) 如果遇到“next is not a member of boost : in /usr/include/yaml-cpp/node/detail/iterator.h”
在/usr/include/boost/next_prior.hpp中实现了boost::next的功能
解决方案：在iterator.h文件中添加 #include<boost/next_prior.hpp>
（3）如果遇到“/usr/local/include/sigslot/signal.hpp:1160:65 error: 'slots_reference ' was not declared in this space”
解决方案：将所有CMakeLists.txt中的所有的c++11替换为c++14
五、安装realsense t265相机驱动
按照官网“librealsense/installation.md at development · IntelRealSense/librealsense · GitHub”上说的步骤来安装，太过漫长，所以我就使用下面的方法来安装，还有安装ros Wrapper的步骤
(69条消息) ubuntu18.04 Intel Realsense T265与Realsense D435i 使用教程_xtdx_xty的博客-CSDN博客
六、使用realsense t265运行svo2.0
首先t265相机是omni-direction相机，对于这种相机使用的相机镜头比较特殊，构建镜头畸变模型时常用的模型有"Kannala Brandt", "MEI", "Scaramuzza"，开源的框架中orb-slam3使用的是Kannala Brandt模型，vins使用的是MEI模型，svo2.0 使用的是scaramuzza模型，前两种模型都可以用kalibr进行标定，但是kalibr 不能标定scaramuzza模型，只能用ocam_clib库标定，所以你需要安装matlab，然后运行ocam_calib进行标定。标定出来还需要根据svo_ros/scripts/omni_matlab_to_rpy.py进行转换，得到一个24维的矩阵。
参考calib/blufox_25000826_fisheye.yaml文件，还需要一个mask，下面是参考vins的mask的生成方式，得到一个mask。
cv::Mat image = cv::Mat::zeros(800, 848, CV_8UC1);
cv::circle(image, cv::Point2f(424, 400), 424, cv::Scalar(255), -1, 8, 0);
cv::imwrite("mask.png", image);
cv::imshow("mask", image);
cv::waitKey(0);
return 0;然后在launch/fronted/run_from_bag.launch文件中，将"cam0_topic” value修改为t265相机发布的话题，“camera/fisheye1/image_raw”, 然后是将pinhole.yaml改为fisheye.yaml.
然后首先将t265相机的话题发布出来
roslaunch realsense2_camera rs_t265.launch
然后运行svo2
roslaunch svo_ros realsense.launch cam_name:=realsense_t265_fisheye(这里的realsense.launch是从run_from_bag.launch文件修改过来的，我创建的t265相机的配置文件命名为 realsense_t265_fisheye.yaml)
上面的工作都做完后，我终于在周五下班前的一分钟，运行成功了，这周工作总算有个交代。但是这周一我跑了一下比较长的走廊，视觉里程计的跟踪效果不好，角度没有漂移，但是尺度在开始测试后不久漂移了很多，尺度一直在缩小，不知道是不是我的相机标定结果不精确有关系。
?总结：拿到最后的结果，上面五步是不可或缺的，也用了不少时间，最后是卡在了t265相机的畸变模型上面，其实在svo pro的GitHub上也是有介绍calibration这一块的，但是刚开始并没有放心上，不敏感，大概是刚开始对于上面提到的那三种相机模型不熟悉缘故，后来慢慢了解了这三种模型，自己的下一步工作才清晰。要不，刚开始，不知道自己到底该做些什么，怎么做。
上面测试结果，尺度漂移的厉害，肯定是有原因的，我先从我自己的工作上找问题，看看能不能解决这个问题。然后是把imu的数据也加上，再看一下效果。
