VINS-Mono 1.0 部署实战Ubuntu 20.04 ROS Noetic 环境搭建与 EuRoC 数据集实测视觉惯性里程计VIO作为SLAM领域的重要分支近年来在无人机导航、AR/VR和移动机器人等领域展现出强大的应用潜力。香港科技大学开源的VINS-Mono框架以其紧耦合的优化策略和鲁棒的初始化算法成为该领域的标杆性解决方案。然而官方文档基于Ubuntu 16.04和ROS Kinetic的部署指南已难以满足现代开发环境的需求。本文将手把手带你完成在Ubuntu 20.04和ROS Noetic环境下VINS-Mono 1.0的完整部署流程并通过EuRoC数据集验证系统性能。1. 环境准备与依赖项安装1.1 系统基础配置推荐使用纯净的Ubuntu 20.04 LTS系统确保已配置正确的软件源sudo sed -i s/archive.ubuntu.com/mirrors.aliyun.com/g /etc/apt/sources.list sudo apt update sudo apt upgrade -y安装必要的开发工具链sudo apt install -y build-essential cmake git wget curl1.2 ROS Noetic安装ROS Noetic是官方支持Ubuntu 20.04的版本安装步骤如下sudo sh -c echo deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main /etc/apt/sources.list.d/ros-latest.list sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt update sudo apt install -y ros-noetic-desktop-full配置环境变量echo source /opt/ros/noetic/setup.bash ~/.bashrc source ~/.bashrc安装ROS编译工具和常用依赖sudo apt install -y python3-rosdep python3-rosinstall python3-rosinstall-generator python3-wstool sudo rosdep init rosdep update1.3 Ceres Solver编译安装Ceres Solver是VINS-Mono的核心优化库需特别注意版本兼容性# 安装依赖项 sudo apt install -y libgoogle-glog-dev libgflags-dev libatlas-base-dev libsuitesparse-dev # 下载指定版本推荐1.14.0 wget https://github.com/ceres-solver/ceres-solver/archive/refs/tags/1.14.0.tar.gz tar xvf 1.14.0.tar.gz cd ceres-solver-1.14.0 mkdir build cd build cmake .. -DEXPORT_BUILD_DIRON -DBUILD_TESTINGOFF make -j$(nproc) sudo make install注意Ceres 2.0版本存在与VINS-Mono的兼容性问题务必使用1.14.0版本2. VINS-Mono源码编译与配置2.1 创建工作空间与源码下载建立标准的ROS工作空间结构mkdir -p ~/vins_ws/src cd ~/vins_ws/src git clone https://github.com/HKUST-Aerial-Robotics/VINS-Mono.git2.2 解决依赖项冲突Ubuntu 20.04默认的Eigen3版本3.3.7可能导致编译错误需手动指定路径sudo apt install -y libeigen3-dev cd ~/vins_ws/src/VINS-Mono sed -i s/find_package(Eigen3 REQUIRED)/find_package(Eigen3 3.3.7 REQUIRED)/g CMakeLists.txt安装其他ROS依赖包sudo apt install -y ros-noetic-cv-bridge ros-noetic-tf ros-noetic-message-filters ros-noetic-image-transport2.3 编译与错误修复执行编译前需修改两处关键配置修复OpenCV4兼容性问题sed -i s/CV_BGR2GRAY/cv::COLOR_BGR2GRAY/g ~/vins_ws/src/VINS-Mono/camera_model/src/calib.cpp更新C标准sed -i s/set(CMAKE_CXX_FLAGS ${CMAKE_CXX_FLAGS} -stdc11)/set(CMAKE_CXX_FLAGS ${CMAKE_CXX_FLAGS} -stdc14)/g ~/vins_ws/src/VINS-Mono/CMakeLists.txt开始编译cd ~/vins_ws catkin_make -j$(nproc)遇到编译错误时可尝试以下解决方案错误类型解决方案Eigen对齐错误在出错文件的include前添加#define EIGEN_USE_THREADScv_bridge异常检查ROS Noetic的cv_bridge是否与本地OpenCV版本匹配Ceres链接失败确认CERES_DIR环境变量指向正确安装路径3. EuRoC数据集测试与参数调优3.1 数据集准备与配置下载EuRoC MAV数据集以MH_01_easy为例wget http://robotics.ethz.ch/~asl-datasets/ijrr_euroc_mav_dataset/machine_hall/MH_01_easy/MH_01_easy.bag修改配置文件~/vins_ws/src/VINS-Mono/config/euroc/euroc_config.yaml关键参数# 视觉参数 image_width: 752 image_height: 480 focal_length: 460.0 # IMU噪声参数 acc_n: 0.019 gyr_n: 0.015 # 外参标定 estimate_extrinsic: 0 # 0表示已有准确标定 body_T_cam0: !!opencv-matrix rows: 4 cols: 4 dt: f data: [0.0148655429818, -0.999880929698, 0.00414029679422, -0.0216401454975, 0.999557249008, 0.0149672133247, 0.025715529948, -0.064676986768, -0.0257744366974, 0.00375618835797, 0.999660727178, 0.00981073058949, 0.0, 0.0, 0.0, 1.0]3.2 运行与可视化启动三个终端分别执行# 终端1启动VINS核心节点 source ~/vins_ws/devel/setup.bash roslaunch vins_estimator euroc.launch # 终端2启动可视化界面 roslaunch vins_estimator vins_rviz.launch # 终端3播放数据集 rosbag play MH_01_easy.bag -r 0.5 # 0.5倍速播放便于观察成功运行后RViz中将显示如下关键信息绿色轨迹VINS-Mono估计的相机运动路径红色特征点当前帧跟踪的FAST角点蓝色线IMU预积分结果黄色线视觉重投影约束3.3 性能评估与轨迹对齐使用evo工具进行定量评估# 安装evo pip install evo --upgrade --no-binary evo # 轨迹评估 evo_ape euroc MH_01_easy.bag ./vins_result_loop.tum -r full --plot --plot_mode xyz典型性能指标参考指标MH_01_easyMH_03_mediumV1_02_mediumATE (m)0.110.230.18RPE (m)0.080.150.12跟踪成功率100%98.7%97.5%4. 常见问题解决方案4.1 初始化失败问题现象终端持续输出initialization failure警告解决方案检查IMU-相机时间同步rostopic hz /imu0 rostopic hz /cam0/image_raw确保IMU频率100Hz图像频率20Hz修改初始化参数# 在euroc_config.yaml中调整 init_window_frames: 20 # 增加初始化帧数 init_imu_thresh: 0.1 # 降低IM运动阈值4.2 轨迹漂移问题优化策略启用闭环检测loop_closure: 1 relocalization: 1调整优化器参数solver_type: CERES ceres_iteration_num: 5 ceres_thread_num: 44.3 实时性调优对于资源受限设备可通过以下方式提升帧率降低图像分辨率rosrun topic_tools throttle messages /cam0/image_raw 10.0减少特征点数量max_cnt: 100 # 原默认150 min_dist: 30 # 特征点最小间距使用轻量级前端roslaunch vins_estimator euroc_fast.launch5. 进阶应用与二次开发5.1 自定义传感器接入修改配置文件支持新的硬件设备相机标定参数替换camera_model: PINHOLE distortion_parameters: k1: -0.28340811 k2: 0.07395907 p1: 0.00019359 p2: 1.76187114e-05IMU话题重映射!-- 在launch文件中添加 -- remap from/imu0 to/custom_imu_topic/5.2 与其他SLAM系统集成VINS-Mono输出话题说明话题名称类型说明/vins_estimator/odometrynav_msgs/Odometry优化后的里程计/vins_estimator/pathnav_msgs/Path历史轨迹/vins_estimator/feature_tracksensor_msgs/Image特征点跟踪可视化与Cartographer集成示例-- 在Cartographer配置中添加 TRAJECTORY_BUILDER.pure_localization true TRAJECTORY_BUILDER.odometry_source VINS_ODOM5.3 Docker部署方案为简化环境配置可使用官方Docker镜像cd ~/vins_ws/src/VINS-Mono/docker make build ./run.sh euroc.launch自定义Dockerfile关键配置FROM osrf/ros:noetic-desktop RUN apt-get update apt-get install -y \ libgoogle-glog-dev \ libsuitesparse-dev COPY ceres-solver-1.14.0 /opt/ceres RUN cd /opt/ceres mkdir build cd build \ cmake .. make -j4 make install
VINS-Mono 1.0 部署实战：Ubuntu 20.04 + ROS Noetic 环境搭建与 EuRoC 数据集实测
发布时间：2026/7/8 20:56:37
VINS-Mono 1.0 部署实战Ubuntu 20.04 ROS Noetic 环境搭建与 EuRoC 数据集实测视觉惯性里程计VIO作为SLAM领域的重要分支近年来在无人机导航、AR/VR和移动机器人等领域展现出强大的应用潜力。香港科技大学开源的VINS-Mono框架以其紧耦合的优化策略和鲁棒的初始化算法成为该领域的标杆性解决方案。然而官方文档基于Ubuntu 16.04和ROS Kinetic的部署指南已难以满足现代开发环境的需求。本文将手把手带你完成在Ubuntu 20.04和ROS Noetic环境下VINS-Mono 1.0的完整部署流程并通过EuRoC数据集验证系统性能。1. 环境准备与依赖项安装1.1 系统基础配置推荐使用纯净的Ubuntu 20.04 LTS系统确保已配置正确的软件源sudo sed -i s/archive.ubuntu.com/mirrors.aliyun.com/g /etc/apt/sources.list sudo apt update sudo apt upgrade -y安装必要的开发工具链sudo apt install -y build-essential cmake git wget curl1.2 ROS Noetic安装ROS Noetic是官方支持Ubuntu 20.04的版本安装步骤如下sudo sh -c echo deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main /etc/apt/sources.list.d/ros-latest.list sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt update sudo apt install -y ros-noetic-desktop-full配置环境变量echo source /opt/ros/noetic/setup.bash ~/.bashrc source ~/.bashrc安装ROS编译工具和常用依赖sudo apt install -y python3-rosdep python3-rosinstall python3-rosinstall-generator python3-wstool sudo rosdep init rosdep update1.3 Ceres Solver编译安装Ceres Solver是VINS-Mono的核心优化库需特别注意版本兼容性# 安装依赖项 sudo apt install -y libgoogle-glog-dev libgflags-dev libatlas-base-dev libsuitesparse-dev # 下载指定版本推荐1.14.0 wget https://github.com/ceres-solver/ceres-solver/archive/refs/tags/1.14.0.tar.gz tar xvf 1.14.0.tar.gz cd ceres-solver-1.14.0 mkdir build cd build cmake .. -DEXPORT_BUILD_DIRON -DBUILD_TESTINGOFF make -j$(nproc) sudo make install注意Ceres 2.0版本存在与VINS-Mono的兼容性问题务必使用1.14.0版本2. VINS-Mono源码编译与配置2.1 创建工作空间与源码下载建立标准的ROS工作空间结构mkdir -p ~/vins_ws/src cd ~/vins_ws/src git clone https://github.com/HKUST-Aerial-Robotics/VINS-Mono.git2.2 解决依赖项冲突Ubuntu 20.04默认的Eigen3版本3.3.7可能导致编译错误需手动指定路径sudo apt install -y libeigen3-dev cd ~/vins_ws/src/VINS-Mono sed -i s/find_package(Eigen3 REQUIRED)/find_package(Eigen3 3.3.7 REQUIRED)/g CMakeLists.txt安装其他ROS依赖包sudo apt install -y ros-noetic-cv-bridge ros-noetic-tf ros-noetic-message-filters ros-noetic-image-transport2.3 编译与错误修复执行编译前需修改两处关键配置修复OpenCV4兼容性问题sed -i s/CV_BGR2GRAY/cv::COLOR_BGR2GRAY/g ~/vins_ws/src/VINS-Mono/camera_model/src/calib.cpp更新C标准sed -i s/set(CMAKE_CXX_FLAGS ${CMAKE_CXX_FLAGS} -stdc11)/set(CMAKE_CXX_FLAGS ${CMAKE_CXX_FLAGS} -stdc14)/g ~/vins_ws/src/VINS-Mono/CMakeLists.txt开始编译cd ~/vins_ws catkin_make -j$(nproc)遇到编译错误时可尝试以下解决方案错误类型解决方案Eigen对齐错误在出错文件的include前添加#define EIGEN_USE_THREADScv_bridge异常检查ROS Noetic的cv_bridge是否与本地OpenCV版本匹配Ceres链接失败确认CERES_DIR环境变量指向正确安装路径3. EuRoC数据集测试与参数调优3.1 数据集准备与配置下载EuRoC MAV数据集以MH_01_easy为例wget http://robotics.ethz.ch/~asl-datasets/ijrr_euroc_mav_dataset/machine_hall/MH_01_easy/MH_01_easy.bag修改配置文件~/vins_ws/src/VINS-Mono/config/euroc/euroc_config.yaml关键参数# 视觉参数 image_width: 752 image_height: 480 focal_length: 460.0 # IMU噪声参数 acc_n: 0.019 gyr_n: 0.015 # 外参标定 estimate_extrinsic: 0 # 0表示已有准确标定 body_T_cam0: !!opencv-matrix rows: 4 cols: 4 dt: f data: [0.0148655429818, -0.999880929698, 0.00414029679422, -0.0216401454975, 0.999557249008, 0.0149672133247, 0.025715529948, -0.064676986768, -0.0257744366974, 0.00375618835797, 0.999660727178, 0.00981073058949, 0.0, 0.0, 0.0, 1.0]3.2 运行与可视化启动三个终端分别执行# 终端1启动VINS核心节点 source ~/vins_ws/devel/setup.bash roslaunch vins_estimator euroc.launch # 终端2启动可视化界面 roslaunch vins_estimator vins_rviz.launch # 终端3播放数据集 rosbag play MH_01_easy.bag -r 0.5 # 0.5倍速播放便于观察成功运行后RViz中将显示如下关键信息绿色轨迹VINS-Mono估计的相机运动路径红色特征点当前帧跟踪的FAST角点蓝色线IMU预积分结果黄色线视觉重投影约束3.3 性能评估与轨迹对齐使用evo工具进行定量评估# 安装evo pip install evo --upgrade --no-binary evo # 轨迹评估 evo_ape euroc MH_01_easy.bag ./vins_result_loop.tum -r full --plot --plot_mode xyz典型性能指标参考指标MH_01_easyMH_03_mediumV1_02_mediumATE (m)0.110.230.18RPE (m)0.080.150.12跟踪成功率100%98.7%97.5%4. 常见问题解决方案4.1 初始化失败问题现象终端持续输出initialization failure警告解决方案检查IMU-相机时间同步rostopic hz /imu0 rostopic hz /cam0/image_raw确保IMU频率100Hz图像频率20Hz修改初始化参数# 在euroc_config.yaml中调整 init_window_frames: 20 # 增加初始化帧数 init_imu_thresh: 0.1 # 降低IM运动阈值4.2 轨迹漂移问题优化策略启用闭环检测loop_closure: 1 relocalization: 1调整优化器参数solver_type: CERES ceres_iteration_num: 5 ceres_thread_num: 44.3 实时性调优对于资源受限设备可通过以下方式提升帧率降低图像分辨率rosrun topic_tools throttle messages /cam0/image_raw 10.0减少特征点数量max_cnt: 100 # 原默认150 min_dist: 30 # 特征点最小间距使用轻量级前端roslaunch vins_estimator euroc_fast.launch5. 进阶应用与二次开发5.1 自定义传感器接入修改配置文件支持新的硬件设备相机标定参数替换camera_model: PINHOLE distortion_parameters: k1: -0.28340811 k2: 0.07395907 p1: 0.00019359 p2: 1.76187114e-05IMU话题重映射!-- 在launch文件中添加 -- remap from/imu0 to/custom_imu_topic/5.2 与其他SLAM系统集成VINS-Mono输出话题说明话题名称类型说明/vins_estimator/odometrynav_msgs/Odometry优化后的里程计/vins_estimator/pathnav_msgs/Path历史轨迹/vins_estimator/feature_tracksensor_msgs/Image特征点跟踪可视化与Cartographer集成示例-- 在Cartographer配置中添加 TRAJECTORY_BUILDER.pure_localization true TRAJECTORY_BUILDER.odometry_source VINS_ODOM5.3 Docker部署方案为简化环境配置可使用官方Docker镜像cd ~/vins_ws/src/VINS-Mono/docker make build ./run.sh euroc.launch自定义Dockerfile关键配置FROM osrf/ros:noetic-desktop RUN apt-get update apt-get install -y \ libgoogle-glog-dev \ libsuitesparse-dev COPY ceres-solver-1.14.0 /opt/ceres RUN cd /opt/ceres mkdir build cd build \ cmake .. make -j4 make install
