3维SLAM入门 LIO-SAM的安装与运行 ubuntu18.04+ros melodic
3维SLAM入门 LIO-SAM的安装与运行 ubuntu18.04+ros melodic
-
- 1 背景介绍
-
- 1.1 Cartographer
- 1.2 LOAM
- 1.3 LeGO-LOAM
- 1.3 LIO-SAM
- 1.4 LVI-SAM
- 2 安装LIO-SAM
-
- 2.1 安装依赖
- 2.2 安装LIO-SAM
- 2.3 下载给定数据集
- 3 运行LIO-SLAM
-
- 3.1 运行LIO-SAM：
- 3.2 播放数据包
- 3.3 保存pcd建图结果
参考文章：1、 SLAM学习笔记（十九）开源3D激光SLAM总结大全——Cartographer3D,LOAM,Lego-LOAM,LIO-SAM,LVI-SAM,Livox-LOAM的原理解析及区别
1 背景介绍
在自动驾驶的感知方案中，激光雷达是一个公认的精度高、探测距离远的传感器，适用于对周围环境的精确感知。激光雷达在工作时，采用激光扫描周围环境，返回点云数据。得到了周围环境的点云数据之后，需要对它进行处理。那么激光SLAM便是进行这个操作。激光SLAM是根据点云匹配来进行定位和建图。
现阶段，比较有名的三维激光SLAM算法有LOAM系和谷歌的cartographer。LOAM系包含了LOAM、LeGO-LOAM、LIO-SAM等一系列算法。先简要的介绍一下各个算法（主要是参考文章1）。
1.1 Cartographer
Cartographer是由谷歌于2016年开源的一个支持ROS的室内SLAM库，并在截至目前为止，仍然处于不断的更新维护之中。
特点：代码极为工程，多态、继承、层层封装的十分完善。提供了方便的接口，便于接入IMU、（单/多线）雷达、里程计、甚至为二维码辅助等视觉识别方式也预留了接口（Landmark）。
1.2 LOAM
LOAM为清华自动化本科毕业的Zhang Ji博士在CMU读博期间，于2014年在RSS期刊发表的关于三维激光传感器的SLAM算法。
特点：Cartographer主要解决室内问题，LOAM室内外都可以，但是没有回环检测，在具有旋转场景会有建图不准确的情况。LOAM的代码量相比Cartographer要小很多，文件结构相对简单。
1.3 LeGO-LOAM
LeGO-LOAM是TiXiao Shan发表在IROS2018的文章，文章叫：可变地形下的轻量级和地面优化的雷达里程计与建图。其是以LOAM为框架衍生出的新算法，主要在于两点提升：轻量级 和 地面优化
特点：LeGO-LOAM具有回环检测能力，缺点是依赖地面。
1.3 LIO-SAM
LIO-SAM是TixiaoShan在2020年IROS发表的Lego-LOAM续作。 它是Lego-LOAM的扩展版本，添加了IMU预积分因子和GPS因子。LOAM和LeGO-LOAM是纯依靠激光雷达点云SLAM，而LIO-SAM结合了Lidar、IMU和GPS。
1.4 LVI-SAM
LVI-SAM为Lego-LOAM和LIO-SAM作者Tixiao Shan的最新工作，发表在ICRA 2021上。其提出了一个基于图优化的多传感器融合框架，具有多个子系统： 视觉惯性子系统（VIS） 和 雷达惯性子系统 （LIS）； 单目+雷达+imu融合
具有鲁棒性：任一子系统失效，不会导致整个系统挂掉。
LVI所采用的回环检测，与大多数视觉SLAM所采取的回环检测方法相同，为词袋模型。与LeGO-LOAM，LIO-LOAM等工作相比，这种方式可以在地图数据库中找到回环，而无需知道当前运动的历史轨迹。
2 安装LIO-SAM
我的环境如下：
ubuntu18.04
ros-melodic
前往TixiaoShan的github主页找到LIO-SAM项目，项目的readme.md文件已经介绍了如何安装和运行，此处我对该过程翻译一下，并加上自己碰上的坑。
2.1 安装依赖
ROS相关的依赖有三个：
sudo apt-get install -y ros-melodic-navigation
sudo apt-get install -y ros-melodic-robot-localization
sudo apt-get install -y ros-melodic-robot-state-publisher
因为LIO-SAM里面需要用到因子图优化，其采用的是因子图优化库gtsam。此处安装gtsam:
wget -O ~/Downloads/gtsam.zip https://ghproxy.com/https://github.com/borglab/gtsam/archive/4.0.2.zip
cd ~/Downloads/ && unzip gtsam.zip -d ~/Downloads/
cd ~/Downloads/gtsam-4.0.2/
mkdir build && cd build
cmake -DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF ..
sudo make install -j8
作者给出的代码中，直接wget github地址来下载gtsam会很慢，这里我在gtsam的github地址前面加了代理网址https://ghproxy.com/，能够显著加速下载。
gtsam的版本为4.0.2，安装其他版本可能会导致LIO_SAM运行报错。
2.2 安装LIO-SAM
cd ~/catkin_ws/src
git clone https://ghproxy.com/https://github.com/TixiaoShan/LIO-SAM.git
cd ..
catkin_make
这里的catkin_ws是你已经创建好的工作空间。同上，为了加速下载，这里的git clone我也加了国内代理网址https://ghproxy.com/。如果编译失败，很有可能是因为gtsam没有按照上述要求安装。
此外，创建一个新的工作空间catkin_ws的步骤为：
makdir -p ~/catkin_ws/src
cd ~/catkin_ws
catkin_make
echo "source ~/catkin_ws/devel/setup.bash" >> ~/.bashrc
source ~/.bashrc
2.3 下载给定数据集
LIO-SAM的作者提供了几个数据集进行测试，这里下载其中的walk数据集。作者提供地址是google云端硬盘，其下载速度感人，我这里只有十几kb/s，而这个数据集有3.7G。可以到我这里分享的百度网盘链接下载：https://pan.baidu.com/s/1cMc0EXhbiY2HWqkKlspzDg
提取码：gz7i
百度网盘的下载速度同样感人。
下载好数据集后，保存到自己指定的地址。这里，我保存到~/catkin_ws/src/data。
3 运行LIO-SLAM
3.1 运行LIO-SAM：
roslaunch lio-sam run.launch
输入上述命令，LIO-SAM开始运行，rviz界面跳出。
这里我碰到一个问题，输入上述命令后出现报错。错误显示找不到文件libmetis.so。网上搜索后大致了解到，这个libmetis.so应该是LIO-SAM需要动态链接的一个文件。在ubuntu系统文件夹下搜索到libmetis.so存放在usr/local/lib文件夹下。猜想可能系统默认的动态链接地址为usr/lib文件夹，导致运行LIO-SAM时在usr/lib文件夹中找不到libmetis.so。
解决方法：采用如下命令将libmetis.so复制到usr/lib文件夹中：
sudo cp usr/local/lib/libmetis.so usr/lib/libmetis.so
再次启动run.launch，程序不再报错。
3.2 播放数据包
输入下面命令即可播放存放在~/catkin_ws/src/data/，名称为casual_walk.bag数据包：
rosbag play ~/catkin_ws/src/data/casual_walk.bag
开始播放数据包后，rviz即可自动显示当前动态建图画面。
3.3 保存pcd建图结果
首先，需要修改params.yaml中的参数。params.yaml在~/catkin_ws/src/LIO-SAM/config文件夹下。修改该文件中SavePCD：true 和保存地址。
然后，为了避免保存还没完成，ros就已经关闭了节点，需要设置_TIMEOUT_SIGINT的值。按如下命令打开文件：
sudo gedit /opt/ros/melodic/lib/python2.7/dist-packages/roslaunch/nodeprocess.py
在文件中找到_TIMEOUT_SIGINT，并设置为100秒。
这样，在命令窗口中按下Ctrl+C来结束run.launch的运行时，便会自动将pcd文件保存到指定地址。