保姆级教程：在Ubuntu 18.04上为ORB-SLAM2添加彩色点云地图（含PCL库避坑指南）
在Ubuntu 18.04上实现ORB-SLAM2彩色点云地图的全流程指南
当第一次看到ORB-SLAM2生成的稀疏特征点时，我意识到视觉SLAM的潜力远不止于此。直到成功运行彩色点云建图版本，那种从二维图像到三维稠密重建的震撼感，才真正让我理解了SLAM技术的魅力所在。本文将带你完整走过从环境配置到彩色地图保存的每一步，特别针对Ubuntu 18.04和ROS Melodic环境中的典型问题提供解决方案。
1. 环境准备与源码配置
在开始编译前，确保系统环境满足以下基础要求：
- Ubuntu 18.04.6 LTS（建议使用官方镜像）
- ROS Melodic完整版（包含rviz、tf等组件）
- 至少16GB空闲磁盘空间（用于存储数据集和编译中间文件）
关键依赖安装：
sudo apt-get install -y libeigen3-dev libboost-all-dev libopencv-dev python-catkin-tools对于PCL库的版本管理，Ubuntu 18.04默认仓库提供的是1.8版本，但ORB-SLAM2_with_pointcloud_map对1.7版本兼容性更好。可通过以下命令安装指定版本：
sudo apt-get install -y libpcl-dev=1.8.1+dfsg1-7ubuntu1源码获取建议使用以下仓库：
cd ~/catkin_ws/src git clone https://github.com/gaoxiang12/ORB_SLAM2_with_pointcloud_map.git2. 基础编译与常见错误修复
2.1 预处理步骤
进入项目主目录后，需要执行几个关键操作：
- 清理旧编译文件：
rm -rf Thirdparty/DBoW2/build Thirdparty/g2o/build Examples/ROS/ORB_SLAM2/build - 复制词汇表文件：
cp -r ORB_SLAM2/Vocabulary/ ORB_SLAM2_with_pointcloud_map/
2.2 CMake配置调整
修改CMakeLists.txt中的编译器选项，删除所有-march=native标记。这个优化选项在某些CPU架构上可能导致兼容性问题。具体需要修改两处位置：
主目录下的
CMakeLists.txt：set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} -Wall -O3") set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -Wall -O3")Thirdparty/g2o/CMakeLists.txt：SET(CMAKE_CXX_FLAGS_RELEASE "${CMAKE_CXX_FLAGS_RELEASE} -O3") SET(CMAKE_C_FLAGS_RELEASE "${CMAKE_C_FLAGS_RELEASE} -O3")
2.3 编译执行与验证
赋予执行权限并开始编译：
chmod +x build.sh ./build.sh常见编译错误及解决方案：
| 错误类型 | 表现特征 | 解决方法 |
|---|---|---|
| PCL库缺失 | "Could not find PCL" | 确认libpcl-dev已安装，修改CMake为find_package(PCL REQUIRED) |
| Eigen3版本冲突 | "Eigen3 not found" | 手动指定路径：set(EIGEN3_INCLUDE_DIR "/usr/include/eigen3") |
| Boost链接错误 | "undefined reference to boost::system" | 在链接选项中添加-lboost_system |
3. 彩色点云功能实现
3.1 代码修改要点
要实现彩色点云显示，需要在以下文件进行关键修改：
include/Tracking.h中添加RGB图像成员：cv::Mat mImRGB; // 新增行 cv::Mat mImGray; cv::Mat mImDepth;src/Tracking.cc中两处修改：// 第一处修改 mImRGB = imRGB; // 新增行 mImGray = imRGB; // 第二处修改 mpPointCloudMapping->insertKeyFrame(pKF, this->mImRGB, this->mImDepth);
3.2 点云保存功能
在src/pointcloudmapping.cc中添加保存功能：
添加头文件：
#include <pcl/io/pcd_io.h>在
viewer()函数中添加保存命令：pcl::io::savePCDFileBinary("slam_result.pcd", *globalMap);
编译完成后，可使用以下工具验证结果：
sudo apt-get install pcl-tools pcl_viewer slam_result.pcd4. ROS集成与实战测试
4.1 环境变量配置
在~/.bashrc末尾添加：
export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:$HOME/catkin_ws/src/ORB_SLAM2_with_pointcloud_map/Examples/ROS刷新配置并验证：
source ~/.bashrc echo $ROS_PACKAGE_PATH4.2 ROS节点编译
执行ROS部分的编译脚本：
chmod +x build_ros.sh ./build_ros.sh典型ROS编译问题处理：
路径冲突问题：
rm -rf ~/catkin_ws/src/ORB_SLAM2PCL头文件缺失：
sudo cp -r /usr/include/pcl-1.8/pcl /usr/local/include/Boost系统库链接： 在
Examples/ROS/ORB_SLAM2/CMakeLists.txt中添加：target_link_libraries(${PROJECT_NAME} boost_system)
4.3 数据集测试
使用TUM数据集测试时，建议从官方下载fr1_desk序列。关联文件格式示例：
1305031102.175304 rgb/1305031102.175304.png 1305031102.211214 depth/1305031102.211214.png运行命令结构：
./rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM1.yaml [数据集路径] [关联文件]5. 高级调试与性能优化
5.1 点云参数调整
在pointcloudmapping.cc中可以修改以下关键参数：
| 参数 | 默认值 | 推荐范围 | 作用 |
|---|---|---|---|
| voxelSize | 0.01 | 0.005-0.05 | 点云降采样体素大小 |
| maxPointDistance | 4.0 | 3.0-6.0 | 最大有效点距离 |
| minPointDistance | 0.1 | 0.05-0.3 | 最小有效点距离 |
5.2 实时可视化技巧
使用pcl_viewer时添加以下参数可获得更好效果：
pcl_viewer result.pcd -bc 255,255,255 -ps 2常用快捷键：
R：重置视角J：截图保存鼠标滚轮：调整点大小
5.3 内存管理建议
长时间运行时可能出现内存不足问题，可通过以下方式缓解：
定期保存子地图：
if(globalMap->size() > 1000000){ pcl::io::savePCDFileBinary("submap_"+std::to_string(frameCount)+".pcd", *globalMap); globalMap->clear(); }启用内存监控：
watch -n 1 free -m