欢迎光临
我们一直在努力
        找回密码
当前位置：171主机测评 > 服务器技术 > 正文

LIO-SAM算法仿真实现教程（基于ubuntu22.04和ROS2-humble系统+GTSAM4.1.1）

2026-01-29 分类：服务器技术 阅读(36) 评论(0)

目录

  • 资料包
  • 1. 背景
  • 2. LIO-SAM算法工作机理
    • 2.1 点云去畸变处理
    • 2.2 因子图优化
  • 3. 仿真操作
    • 3.1 环境准备与配置
    • 3.2 安装依赖
      • 3.2.1 手动下载源码包
      • 3.2.2 准备编译环境
    • 3.3 运行仿真
      • 3.3.1 启动 Gazebo 仿真环境 （终端1）
      • 3.3.2 启动 LIO-SAM 建图算法 (终端 2)
      • 3.3.3 控制机器人移动 (终端 3)
      • 3.3.4 点云图保存
  • 4. 利用已有数据集进行仿真（无需启动Gazebo）
    • 4.1 安装转换
    • 4.2 文件修复
    • 4.3 运行仿真（运行LIO-SAM）
  • 5. 方法一与方法二之间的转换
    • 5.1 方法1：
      • 5.1.1 获取点云及IMU话题名
      • 5.1.2 编译运行
    • 5.2 方法2：
      • 5.2.1 获取点云及IMU话题名
      • 5.2.2 编译运行

资料包

lio_sam_gazebo_ros2压缩包

RTSAM

LIO-SAM 算法项目参考

1. 背景

  • 传统的激光雷达是通过ICP（Iterative Closest Point）算法去找到两个连续lidar帧（点云）之间的相对变换来实现的。
  • ICP是一种迭代优化算法，输入为两组点云数据（源点云和目标点云），输出为两组点云之间的刚体变换（旋转矩阵 ® 和平移向量 (T)）
  • ICP能用来估计相邻雷达帧之间的相对运动，通过点云配准计算出两帧之间的旋转和平移，能有效解决帧间点云的对齐问题，但当帧与帧之间的变换角度过大时，ICP可能难以收敛。
  • 并且由于激光雷达在采集点云时会旋转，点云会发生倾斜，当使用倾斜的点云特征进行配准时，会导致较大的漂移。
  • 因此，激光雷达通常与其它传感器（如IMU、GPS）结合，用于状态估计和地图构建，即传感器融合。其融合方式又分为两种：松耦合融合和紧耦合融合。
    • 松耦合融合：各传感器独立运行，通过其整体的输出（如IMU的位姿估计、GPS的全局位置）进行融合，即先融合各个传感器的最终结果，再用简单加权或滤波方式进行综合计算。
    • 紧耦合融合：各传感器的底层原始数据（如IMU加速度、GPS伪距、激光点云）直接参与联合优化，实时生成整体状态，其融合精度和鲁棒性更高。

LIO-SAM算法内部机理图

2. LIO-SAM算法工作机理

2.1 点云去畸变处理

  • 激光雷达数据的一个重大问题是点云中的时间差引起的畸变，LIO-SAM通过IMU数据来修正扫描点的时间偏移（通常称为点云去畸变）。具体步骤如下：
    • 提供点时间戳： 使用IMU数据进行点云矫正，需要提供相对扫描点的时间。
    • 提供点环号： 环号用于将点分配到激光雷达的通道中，组织成矩阵结构。

2.2 因子图优化

  • 因子图主要是用于对多传感器融合后的状态估计问题进行建模，LIO-SAM算法的因子图构建主要使用1种变量类型和4种因子类型。

变量类型：表示机器人在特定时间的状态，并分配给图的节点。

因子：

  • IMU预积分因子：用于使用来自IMU的测量值来推断机器人的运动，主要解决IMU噪声和偏置问题。
  • Lidar里程计因子：用于特征提取、关键帧选择和相对变换。
  • GPS因子：系统在长时间导航任务中会收到漂移的影响，因此需要使用提供绝对测量值的传感器（如GPS）来消除漂移。
  • 回环闭合因子：采用基于欧几里得距离的环路闭合检测方法

3. 仿真操作

3.1 环境准备与配置

  • 所需功能包： 下载资料包链接1并解压特定的 LIO-SAM ROS2 压缩包到ubuntu系统中，src路径中包含算法包、机器人控制包、Gazebo 仿真包和 Velodyne 模拟器包。
  • 配置文件修改：
    • params.yaml：确保点云 (Point Cloud) 和 IMU 的话题名称 (Topic Name) 与仿真模型 SDF 文件中定义的一致。修改 LiDAR 和 Base Link 的坐标系名称。设置 savePCD 为 true 以便仿真结束后保存地图。
    • SDF 文件：确认 Velodyne 传感器的定义，确保话题名称与 params.yaml 中一致。

3.2 安装依赖

3.2.1 手动下载源码包

1. 打开浏览器： 在虚拟机（Ubuntu）里打开 Firefox 浏览器。 2. 访问下载链接： 输入以下地址（这是 GTSAM 4.1.1 的官方下载页面）： https://github.com/borglab/gtsam/archive/refs/tags/4.1.1.zip 3. 下载： 浏览器会弹窗询问，选择“保存文件 (Save File)”。 4. 解压：

  • 下载完成后，打开文件管理器，进入 Downloads (下载) 文件夹。
  • 找到 gtsam-4.1.1.zip。
  • 右键点击它 -> 选择 Extract Here (解压到此处)。
  • 你会得到一个名为 gtsam-4.1.1 的文件夹。

3.2.2 准备编译环境

现在我们需要把这个解压出来的文件夹搬到主目录，并准备编译。请在终端中执行：

一. 增加虚拟内存 (Swap) – 防止编译崩溃

#创建4GB Swap文件
sudo fallocate -l 4G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
#验证 (Total 应该显示约 3.8Gi)
free -h

  • 最好再将虚拟机虚拟内存改为8G！（电脑本身运行内存为32G的还可以调大些）

二. 移动并重命名文件夹（方便后续操作）：

1. 移动重命名文件夹（方便后续操作）：

cd ~/Downloads
mv gtsam-4.1.1 ~/gtsam

(这条命令会把刚才解压的文件夹移动到您的主目录，并改名为 gtsam)

2. 进入文件夹并创建编译目录：

cd ~/gtsam
mkdir build && cd build

3. 配置编译参数： (4.1.1 版本对新系统兼容较好，不需要复杂的 TBB 参数，但建议加上系统 Eigen 库支持)

cmake -DGTSAM_USE_SYSTEM_EIGEN=ON ..

（如果没有报错，最后会显示 Build files have been written to…）

4. 开始编译（这一步可能需要 10 分钟以上，请耐心等待进度走到 100%）：

make -j$(nproc)

5. 安装到系统：

sudo make install

6. 验证是否成功： 执行完 sudo make install 后，输入以下命令检查：

ls /usr/local/include/gtsam

只要屏幕上显示出 base, geometry, inference 等文件夹的名字，就说明安装成功了！

三. 安装通用依赖

1. 安装 curl 工具：

sudo apt update && sudo apt install curl gnupg lsb-release -y

2. 添加 ROS 2 授权密钥：

sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg

3. 将 ROS 2 仓库添加到您的系统源列表：

echo "deb [arch=$(dpkg –print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(source /etc/os-release && echo $UBUNTU_CODENAME) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null

4. 刷新软件列表 (关键)：

sudo apt update

观察输出： 在刷新的过程中，请留意屏幕滚动的文字，看到类似 Get:5 http://packages.ros.org/ros2/ubuntu jammy InRelease 的字样就说明 ROS 2 仓库连接成功了。

5. 安装其他必要的 ROS2 依赖： 为了防止编译时缺这缺那，我们先把通用的导航包装上：

sudo apt install ros-humble-navigation2 ros-humble-nav2-bringup ros-humble-pcl-co

6. 安装编译所需的通用依赖：

sudo apt install ros-humble-navigation2 ros-humble-nav2-bringup ros-humble-pcl-conversions ros-humble-xacro ros-humble-robot-localization ros-humble-tf-transformations -y

  • 安装缺失的 Gazebo-ROS 接口包

sudo apt update
sudo apt install ros-humble-gazebo-ros-pkgs ros-humble-gazebo-ros

  • 安装基础 Gazebo-ROS 插件库

sudo apt update
sudo apt install ros-humble-gazebo-plugins ros-humble-gazebo-ros2-control

  • 刷新环境（非常重要）

source /opt/ros/humble/setup.bash
cd ~/lio_sam_gazebo_ros2
source install/setup.bash

安装完新包后，必须让当前的终端“知道”新包的存在。

  • 打开package.xml文件

gedit ~/lio_sam_gazebo_ros2/src/velodyne_simulator/velodyne_description/package.xml

  • 替换

<?xml version="1.0"?>
<?xml-model href="http://download.ros.org/schema/package_format3.xsd" schematypens="http://www.w3.org/2001/XMLSchema"?>
<package format="3">
<name>velodyne_description</name>
<version>2.0.3</version>
<description>URDF description for Velodyne 3D LIDARs</description>

<maintainer email="user@todo.todo">maintainer</maintainer>
<license>BSD</license>

<buildtool_depend>ament_cmake</buildtool_depend>

<exec_depend>urdf</exec_depend>
<exec_depend>xacro</exec_depend>

<export>
<build_type>ament_cmake</build_type>
</export>
</package>

打开文件后，请删除里面的所有内容，然后将上面这段标准的 ROS 2 配置代码复制粘贴进去，保存并关闭。

  • 确保已安装该软件包

sudo apt update
sudo apt install ros-humble-pcl-conversions

五. 编译与安装 (针对 4.1.1 版本)

1. 修改代码以适配 GTSAM 4.1.1 (关键)：

  • 找到并打开 CMakeLists.txt：

# 假设文件夹名叫 LIO-SAM，如果叫别的名字请自行替换，如果打开为空白可手动点击文件夹打开
gedit ~/lio_sam_gazebo_ros2/src/LIO-SAM/CMakeLists.txt

  • 修改C++标准：在 project(…) 这一行下面手动添加

set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

解释：这两行命令强制告诉编译器：“不管你默认是什么，我必须用 C++17 标准来编译，否则就报错”

  • 添加 find_package： 找到文件前面的一堆 find_package，在其中找个空行，插入下面这行：

find_package(pcl_conversions REQUIRED)

  • 添加头文件路径： 在 find_package 后面找到 include_directories， 把它修改为包含 pcl_conversions 的路径。 如果找不到，可以直接在 include_directories(include) 的下一行添加：

include_directories(
include
${pcl_conversions_INCLUDE_DIRS}
)

  • 添加依赖： 搜索 ament_target_dependencies，然后在括号里的最后加上 pcl_conversions，例如：

ament_target_dependencies(lio_sam_imageProjection
${dependencies}
pcl_conversions # <— 手动加上这一行
)

(注意：文件里会有 4-5 个 ament_target_dependencies，建议每一个都检查一下)

  • 保存并关闭。

2. 修改配置文件 (Params.yaml)：

  • 打开配置文件

gedit ~/lio_sam_gazebo_ros2/src/LIO-SAM/config/params.yaml

  • 修改保存路径：找到 savePCDDirectory，将其修改为您当前用户下的路径：

savePCD: true
savePCDDirectory: "/Downloads/LOAM/"

(提示：如果您还没创建这个文件夹，记得去终端运行 mkdir -p ~/Downloads/LOAM)

  • 添加依赖：在 <depend>… 的区域，找个空行添加：

<depend>pcl_conversions</depend>

  • 保存并关闭。

3. 开始编译：

  • 回到工作空间根目录：

cd ~/lio-sam-gazebo-ros2

  • 清理旧的编译缓存 (为了防止之前的错误干扰，建议先清理一下)：

rm -rf build install log
rm -rf build/lio_sam install/lio_sam

  • 编译

colcon build –symlink-install
# 如果仍不行，尝试单线程编译，可能需要更久时间（10-20分钟）
colcon build –symlink-install –parallel-workers 1

3.3 运行仿真

3.3.1 启动 Gazebo 仿真环境 （终端1）

  • 模型准备
    • 创建模型目录

    mkdir -p ~/.gazebo/models

    • 将lio_sam_gazebo_ros2/models下的三个文件夹（brick_box、construction_barrel、rtab_map_stage）移入到.gazebo/models文件夹中

    • 若在home中没有看见.gazebo文件夹，可能是被隐藏了，按下Ctrl + H即可

    • 覆盖雷达配置文件

    # 1. 切换到目标目录
    cd ~/lio_sam_gazebo_ros2/src/velodyne_simulator/velodyne_description/urdf

    # 2. 删除旧文件（防止权限或损坏问题）
    rm -f VLP-16.urdf.xacro

    # 3. 创建新文件并打开编辑器
    gedit VLP-16.urdf.xacro

    • 粘贴标准修复代码 将以下代码完整复制，粘贴到刚才打开的 gedit 编辑器中，然后保存并关闭。

    <?xml version="1.0"?>
    <robot xmlns:xacro="http://www.ros.org/wiki/xacro" name="VLP-16">
    <xacro:property name="M_PI" value="3.1415926535897931" />
    <xacro:macro name="VLP-16" params="*origin parent:=base_link name:=velodyne topic:=/velodyne_points hz:=10 lasers:=16 samples:=1875 collision_range:=0.3 min_range:=0.9 max_range:=130.0 noise:=0.008 min_angle:=-${M_PI} max_angle:=${M_PI} gpu:=false">

    <joint name="${name}_base_mount_joint" type="fixed">
    <xacro:insert_block name="origin" />
    <parent link="${parent}"/>
    <child link="${name}_base_link"/>
    </joint>

    <link name="${name}_base_link">
    <inertial>
    <mass value="0.83"/>
    <origin xyz="0 0 0.03585"/>
    <inertia ixx="${(0.83 * (3.0*0.0516*0.0516 + 0.0717*0.0717)) / 12.0}" ixy="0" ixz="0"
    iyy="${(0.83 * (3.0*0.0516*0.0516 + 0.0717*0.0717)) / 12.0}" iyz="0"
    izz="${0.5 * 0.83 * (0.0516*0.0516)}"/>
    </inertial>
    <visual>
    <geometry>
    <mesh filename="package://velodyne_description/meshes/VLP16_base_1.dae" />
    </geometry>
    </visual>
    <visual>
    <geometry>
    <mesh filename="package://velodyne_description/meshes/VLP16_base_2.dae" />
    </geometry>
    </visual>
    <collision>
    <origin rpy="0 0 0" xyz="0 0 0.03585"/>
    <geometry>
    <cylinder radius="0.0516" length="0.0717"/>
    </geometry>
    </collision>
    </link>

    <joint name="${name}_base_scan_joint" type="fixed">
    <origin xyz="0 0 0.0377" rpy="0 0 0" />
    <parent link="${name}_base_link" />
    <child link="${name}"/>
    </joint>

    <link name="${name}">
    <inertial>
    <mass value="0.01"/>
    <origin xyz="0 0 0"/>
    <inertia ixx="1e-7" ixy="0" ixz="0" iyy="1e-7" iyz="0" izz="1e-7"/>
    </inertial>
    <visual>
    <origin xyz="0 0 -0.0377" />
    <geometry>
    <mesh filename="package://velodyne_description/meshes/VLP16_scan.dae" />
    </geometry>
    </visual>
    </link>

    <!– Gazebo requires the velodyne_gazebo_plugins package –>
    <gazebo reference="${name}">
    <!– 关键修改：将 gpu_ray 改为 ray，强制使用 CPU 计算 –>
    <sensor type="ray" name="${name}-VLP16">
    <pose>0 0 0 0 0 0</pose>
    <visualize>false</visualize>
    <update_rate>${hz}</update_rate>
    <ray>
    <scan>
    <horizontal>
    <samples>${samples}</samples>
    <resolution>1</resolution>
    <min_angle>${min_angle}</min_angle>
    <max_angle>${max_angle}</max_angle>
    </horizontal>
    <vertical>
    <samples>${lasers}</samples>
    <resolution>1</resolution>
    <min_angle>-${15.0*M_PI/180.0}</min_angle>
    <max_angle> ${15.0*M_PI/180.0}</max_angle>
    </vertical>
    </scan>
    <range>
    <min>${collision_range}</min>
    <max>${max_range}</max>
    <resolution>0.001</resolution>
    </range>
    <noise>
    <type>gaussian</type>
    <mean>0.0</mean>
    <stddev>${noise}</stddev>
    </noise>
    </ray>
    <!– 关键修改：插件名称去掉 gpu_ –>
    <plugin name="gazebo_ros_laser_controller" filename="libgazebo_ros_velodyne_laser.so">
    <topicName>${topic}</topicName>
    <frameName>${name}</frameName>
    <min_range>${min_range}</min_range>
    <max_range>${max_range}</max_range>
    <gaussianNoise>${noise}</gaussianNoise>
    </plugin>
    </sensor>
    </gazebo>

    </xacro:macro>
    </robot>

    • 编译并重启

    # 确保插件库存在 (保险措施)
    sudo apt update
    sudo apt install ros-humble-velodyne-simulator

    # 清理旧的编译文件（非常重要）
    cd ~/lio_sam_gazebo_ros2
    rm -rf build/velodyne_description install/velodyne_description

    # 重新编译
    colcon build –symlink-install –packages-select velodyne_description

    # 启动仿真
    source install/setup.bash
    # 加上环境变量
    export GAZEBO_MODEL_DATABASE_URI=""
    export SVGA_VGPU10=0
    export LIBGL_ALWAYS_SOFTWARE=1

    ros2 launch robot_gazebo robot_sim.launch.py

    • 最终检查：打开新终端

    ros2 topic list

  • 进入工作空间并刷新环境：

    • cd ~/lio_sam_gazebo_ros2
    source install/setup.bash

  • 启动仿真：

    • # 这一步通过修改环境变量，禁止 Gazebo 去连接模型库
    export GAZEBO_MODEL_DATABASE_URI=""
    # 这是 VMware 的专用修复补丁
    export SVGA_VGPU10=0
    export LIBGL_ALWAYS_SOFTWARE=1
    # 启动仿真
    ros2 launch robot_gazebo robot_sim.launch.py

    如果报错找不到包：请输入 ros2 launch 然后按两下 Tab 键，看看有哪些包是以 robot_ 或 neo_ 开头的，替换上面的命令。

  • 列出话题：打开终端1没有gazebo窗口弹出的话，打开终端4，输入以下命令

    • ros2 topic list

    (确认有没有 /velodyne_points 或类似名字)

    • 强制重新编译雷达插件：
  • 清理旧文件：

    • cd ~/lio_sam_gazebo_ros2
    rm -rf build/velodyne* install/velodyne*

  • 重新编译： (这次我们只编译雷达相关包，速度会很快)

    • colcon build –symlink-install –packages-select velodyne_description velodyne_gazebo_plugins velodyne_simulator

    检查点：观察编译输出。如果在编译 velodyne_gazebo_plugins 时没有报错，且显示 Finished，说明插件生成成功了。

  • 再次刷新环境：

    • source install/setup.bash

  • 再次启动仿真 (终端 1)：

    • # 这一步通过修改环境变量，禁止 Gazebo 去连接模型库
    export GAZEBO_MODEL_DATABASE_URI=""
    # 这是 VMware 的专用修复补丁
    export SVGA_VGPU10=0
    export LIBGL_ALWAYS_SOFTWARE=1
    # 启动仿真
    ros2 launch robot_gazebo robot_sim.launch.py

  • 再次检查话题 (终端 4)：

    • ros2 topic list

    重要：检查有没有类似/velodyne_points的输出，或者出现/gazebo_ros_laser_controller/out……

  • 确定雷达点云名称

    • ros2 topic info /gazebo_ros_laser_controller/out

    在终端4中输入以上命令，观察结果中Type这一行： 如果显示 Type: sensor_msgs/msg/PointCloud2

    • 操作：直接去修改 LIO-SAM 的 params.yaml，把 pointCloudTopic 改成 /gazebo_ros_laser_controller/out，然后直接运行！

    否则如果显示 Type: sensor_msgs/msg/LaserScan 或者其他 可在评论区询问（看见就会解答）。

    7.重新编译与验证

    • 编译

    cd ~/lio_sam_gazebo_ros2
    colcon build –packages-select robot_gazebo –symlink-install

    • 启动仿真

    # 环境变量三件套
    export GAZEBO_MODEL_DATABASE_URI=""
    export SVGA_VGPU10=0
    export LIBGL_ALWAYS_SOFTWARE=1

    # 刷新环境
    source install/setup.bash
    # 启动
    ros2 launch robot_gazebo robot_sim.launch.py

    等待 Gazebo 窗口弹出，看到小车和环境。 gazebo

    3.3.2 启动 LIO-SAM 建图算法 (终端 2)

  • 进入工作空间并刷新环境：

    • cd ~/lio_sam_gazebo_ros2
    source install/setup.bash

  • 启动算法：

    • ros2 launch lio_sam run.launch.py

    成功标志：Rviz (可视化界面) 会自动弹出来（如下图）。 在这里插入图片描述

    3.3.3 控制机器人移动 (终端 3)

  • 运行键盘控制节点 (这是一个通用的 ROS 工具)：

    • ros2 run teleop_twist_keyboard teleop_twist_keyboard

    (如果没有安装，运行 sudo apt install ros-humble-teleop-twist-keyboard 安装)

  • 操作方法： 确保鼠标点击在这个终端窗口上（终端3）。 按 i 前进，, 后退。 按 j 左转，l 右转。 按 k 停止。

    • 注意： 速度不要太快（1左右就差不多了），否则雷达匹配可能会跟丢。 终端没有输出显示是正常的，长按上述按键即可。

    可以看见随机器人（小车）移动，Rviz窗口点云图越来越完善。

    在这里插入图片描述

    3.3.4 点云图保存

    • 保存地图：

      • 回到 终端 2 (LIO-SAM)。
      • 按下 Ctrl + C。
      • 地图会自动保存到 /home/hhh/Downloads/LOAM/ (之前设置的路径)。

    • 使用 CloudCompare 查看 ：

      • 在终端输入 cloudcompare 打开软件。
      • VMware 显卡警告：如果弹出 “Color ramp shader…” 警告，直接点击 OK 或忽略，这不影响使用。
      • 点击 Apply，即可看到 3D 点云地图。
      • 左键旋转，右键平移，滚轮缩放 在这里插入图片描述

    4. 利用已有数据集进行仿真（无需启动Gazebo）

    4.1 安装转换

  • 安装转换工具 (我们需要一个 Python 小工具)：

    • pip install rosbags

    (如果没有安装 pip，请先运行 sudo apt install python3-pip)

  • 执行转换：(假设您的文件名叫 campus_small_dataset.bag，请替换为您真实的文件名)

    • # 语法：–src <源文件名> –dst <输出文件夹名>
    python3 -m rosbags.convert –src campus_small_dateset.bag –dst campus_small_dataset_ros2

    注意：需要在文件所在目录下运行

  • 等待完成：转换完成后，当前目录下会多出一个新的文件夹，名字为上述输出文件夹名

    • 4.2 文件修复

  • 修复metadata.yaml 文件并查找话题名：
    • 打开 metadata.yaml 文件：

    # 进入文件夹查看 (请确保路径正确)
    gedit ~/campus_small_dataset_ros2/metadata.yaml

    (如果 gedit 打开是空白或者报错，您也可以直接在文件管理器里找到这个文件夹，双击里面的 metadata.yaml 文件打开)

    • 修复 metadata.yaml 格式错误 (解决 bad conversion 报错)

    #进入目录
    cd ~/campus_small_dataset_ros2

    #使用 sed 命令将所有的 [] 替换为空字符串 ""
    sed -i 's/offered_qos_profiles: \\[\\]/offered_qos_profiles: ""/g' metadata.yaml

  • 寻找 topics_with_message_count 或者 topics 这一段。

    • 点云话题 (Lidar)：

      • 寻找包含 points 或 velodyne 字样的名字。
      • 通常是：/velodyne_points 或 /points_raw。

    • IMU 话题：

      • 寻找包含 imu 字样的名字。
      • 通常是：/imu/data 或 /imu_raw。

    示例（您的文件长得可能像这样）：

    …
    topics_with_message_count:
    – topic_metadata:
    name: /velodyne_points <— 这就是点云话题名！
    type: sensor_msgs/msg/PointCloud2
    …
    – topic_metadata:
    name: /imu/data <— 这就是IMU话题名！
    type: sensor_msgs/msg/Imu
    …

  • 修改 LIO-SAM 配置

    • 拿到上面两个名字后，修改 LIO-SAM 的配置文件：

    gedit ~/lio_sam_gazebo_ros2/src/LIO-SAM-ros2/config/params.yaml

    • 把 pointCloudTopic 改成您在文件里看到的点云名字。
    • 把 imuTopic 改成您在文件里看到的 IMU 名字。
    • 保存并关闭。

    4.3 运行仿真（运行LIO-SAM）

  • 编译（确保配置生效）：

    • cd ~/lio_sam_gazebo_ros2
    colcon build –packages-select lio_sam –symlink-install

  • 运行（终端 1）：

    • source install/setup.bash
    ros2 launch lio_sam run.launch.py

  • 终端2：

    • ros2 bag play campus_small_dataset_ros2

    运行结果如图： 数据集点云图

    5. 方法一与方法二之间的转换

    5.1 方法1：

    5.1.1 获取点云及IMU话题名

  • 启动仿真 (终端 1)：

    • # 这一步通过修改环境变量，禁止 Gazebo 去连接模型库
    export GAZEBO_MODEL_DATABASE_URI=""
    # 这是 VMware 的专用修复补丁
    export SVGA_VGPU10=0
    export LIBGL_ALWAYS_SOFTWARE=1
    # 启动仿真
    ros2 launch robot_gazebo robot_sim.launch.py

  • 再次检查话题 (终端 4)：

    • ros2 topic list

    重要：检查有没有类似/velodyne_points的输出，或者出现/gazebo_ros_laser_controller/out……

  • 确定雷达点云名称

    • ros2 topic info /gazebo_ros_laser_controller/out

    通过上述操作我确定的雷达点云名称为/gazebo_ros_laser_controller/out，imu名称为/imu_plugin/out 在params.yaml文件中修改如下：

    pointCloudTopic: "/gazebo_ros_laser_controller/out" # Point cloud data
    imuTopic: "/imu_plugin/out" # IMU data

    5.1.2 编译运行

  • 重新编译

    • # 编译
    cd ~/lio_sam_gazebo_ros2
    colcon build –symlink-install

  • 启动仿真（终端1）

    • # 环境变量三件套
    export GAZEBO_MODEL_DATABASE_URI=""
    export SVGA_VGPU10=0
    export LIBGL_ALWAYS_SOFTWARE=1

    # 刷新环境
    source install/setup.bash
    # 启动
    ros2 launch robot_gazebo robot_sim.launch.py

  • 启动Rviz（终端2）：

    • cd ~/lio_sam_gazebo_ros2
    source install/setup.bash

    # 启动算法
    ros2 launch lio_sam run.launch.py

  • 运行键盘控制节点 (终端3)：

    • ros2 run teleop_twist_keyboard teleop_twist_keyboard

    5.2 方法2：

    5.2.1 获取点云及IMU话题名

  • 打开metadata.yaml文件查找话题名

    • gedit ~/campus_small_dataset_ros2/metadata.yaml

    我查找到的雷达点云名称为/points_raw，imu名称为/imu_correct 在params.yaml文件中修改如下：

    pointCloudTopic: "/points_raw" # Point cloud data
    imuTopic: "/imu_correct" # IMU data

    5.2.2 编译运行

  • 重新编译 (因为改了 yaml)

    • cd ~/lio_sam_gazebo_ros2
    colcon build –packages-select lio_sam –symlink-install

  • 启动 LIO-SAM（终端1）

    • source install/setup.bash
    ros2 launch lio_sam run.launch.py

  • 播放数据（终端 2:）

    • ros2 bag play campus_small_dataset_ros2

    赞(0)
    未经允许不得转载：171主机测评 » LIO-SAM算法仿真实现教程（基于ubuntu22.04和ROS2-humble系统+GTSAM4.1.1）
    分享到： 更多 (0)
    标签：

    相关推荐

    评论 抢沙发

    取消

    • 昵称 (必填)
    • 邮箱 (必填)
    • 网址

    热门标签

    #人工智能(59473)#python(20170)#开发语言(16902)#java(15510)#运维(15382)#linux(14972)#大数据(14599)#服务器(13082)#算法(11803)#前端(10928)#网络(9391)#ai(8945)#数据库(8919)#c++(8185)#课程设计(6808)#学习(6790)#机器学习(6722)#区块链(5927)#OpenClaw(5390)#后端(5167)#spring boot(5017)#深度学习(4960)#c语言(4384)#毕业设计(4296)#数据结构(4207)#安全(4080)#docker(3936)#架构(3875)#javascript(3812)#大模型(3660)

    热门文章

    最新文章

    归档

    分类