LT-mapper，LT-SLAM代码运行与学习
文章目录
- 1 安装编译
-
- 1.1编译安装LT_mapper
-
- 报错1：fatal error: filesystem: 没有那个文件或目录
-
- 思路1，用`#include
`替换`#include ` - 思路2：尝试升级G++到8以上，我没有尝试
- 思路1，用`#include
- 1.2 编译安装file_player_mulran
- 1.3 编译安装SC-LIO-SAM
- 1.4 安装CloudCompare
-
- 安装：
- 运行参考命令：
- 卸载：
- 2 LT-SLAM 流程
-
- 2.0准备数据序列
-
- 使用MulRan player从数据目录中发布雷达和点云话题
- 2.1 通过SC-LIUO-SLAM为每一个段生成一个段数据
-
- 2.1.1 由01数据生成一个段
- 2.1.2 由02数据生成一个段
- 2.1.3 比较轨迹
- 2.1.4 在共享的中心坐标系中使用LT-SLAM对齐两个轨迹
- 2.1.5 比较使用LT-SLAM对齐的两个轨迹
- 2.1.6 使用在中心坐标系上优化的位姿对齐每一段点云
- 2.1.7 使用cloudcompare比较每一段点云对齐后的效果
- 3 报错及相关解决办法
-
- 3.1：`ModuleNotFoundError: No module named 'pypcd'`
-
- (1)`pip install pypcd`
- (2)替换pypcd.py文件
- (3)如果没有进行(2)的替换，可能会报错;替换的话就基本没问题了：
-
- 报错1：`ModuleNotFoundError: No module named 'cStringIO'`
- 报错2：`TypeError: startswith first arg must be bytes or a tuple of bytes, not str`
- 报错3：`TypeError: cannot use a string pattern on a bytes-like object`
- 报错*n，会有很多报错。。。，我没解决完
- 3.2：`ModuleNotFoundError: No module named 'open3d'`
- 3.3：`ModuleNotFoundError: No module named 'addict'`
1 安装编译
系统：
ubuntu: | Description: Ubuntu 18.04.6 LTS
architecture: | 64-bit
gcc: | gcc (Ubuntu 7.5.0-3ubuntu1~18.04) 7.5.0
cmake: | cmake version 3.10.2 CMake suite maintained and supported by Kitware (kitware.com/cmake).
ros-melodic
查看系统及软件版本脚本参考：https://blog.csdn.net/BIT_HXZ/article/details/125120168
1.1编译安装LT_mapper
cd xx/LT_mapper_ws/src
git clone https://github.com/gisbi-kim/lt-mapper.git
catkin_make
报错1：fatal error: filesystem: 没有那个文件或目录
/home/meng/subject/LT_mapper_ws/src/lt-mapper/ltslam/include/ltslam/utility.h:88:10: fatal error: filesystem: 没有那个文件或目录
#include // requires gcc version >= 8
/home/meng/subject/LT_mapper_ws/src/lt-mapper/ltremovert/include/removert/utility.h:70:10: fatal error: filesystem: 没有那个文件或目录
#include // requires gcc version >= 8
思路1，用#include 替换#include
参考：https://stackoverflow.com/questions/39231363/fatal-error-filesystem-no-such-file-or-directory
发现还是报错，报错如下：
/home/meng/subject/LT_mapper_ws/src/lt-mapper/ltremovert/include/removert/utility.h:73:21: error: ‘filesystem’ is not a namespace-name
namespace fs = std::filesystem;
^~~~~~~~~~
/home/meng/subject/LT_mapper_ws/src/lt-mapper/ltremovert/include/removert/utility.h:73:31: error: expected namespace-name before ‘;’ token
namespace fs = std::filesystem;
--------------
/home/meng/subject/LT_mapper_ws/src/lt-mapper/ltremovert/src/Session.cpp:87:24: error: ‘fs’ has not been declared
for(auto& _entry : fs::directory_iterator(_scan_dir)) {
--------------
/home/meng/subject/LT_mapper_ws/src/lt-mapper/ltremovert/src/Removerter.cpp:8:10: error: ‘fs’ has not been declared
if (!fs::is_directory(_path) || !fs::exists(_path))
解决思路与解决方案，按上面的报错逻辑来看，应该是filesystem这个命令空间及空间内的函数没有引用对，前面不是用#include 替换#include 嘛，这里也尝试用替换如下所示，这里仅仅修改下面的位置：
// namespace fs = std::filesystem;
namespace fs = std::experimental::filesystem;//hxz
编译通过
思路2：尝试升级G++到8以上，我没有尝试
1.2 编译安装file_player_mulran
cd xx/LT_mapper_ws/src
git clone https://github.com/irapkaist/file_player_mulran.git
catkin_make
1.3 编译安装SC-LIO-SAM
cd xx/LT_mapper_ws/src
git clone https://github.com/gisbi-kim/SC-LIO-SAM.git
catkin_make
1.4 安装CloudCompare
github地址：https://github.com/CloudCompare/CloudCompare
安装参考：https://blog.csdn.net/magic_ll/article/details/120780593
安装：
sudo apt-get update
sudo apt install snap
sudo snap install cloudcompare
运行参考命令：
cloudcompare.CloudCompare
loudcompare.ccViewer
卸载：
sudo snap remove cloudcompare
2 LT-SLAM 流程
2.0准备数据序列
LT-mapper ParkingLot 数据集包含在三天内的六个序列，用于同一空间地点，但初始姿势不同。LT-SLAM 自动将它们对齐在共享坐标中。
下载链接：https://drive.google.com/drive/folders/1FNIU691AR2g04NlKBFCDL4APpxpzkfQp
全部下载即可
下载如下：
解压到任意一个文件夹，这里命名为data文件夹下：
使用MulRan player从数据目录中发布雷达和点云话题
cd xx/LT_mapper_ws
source devel/setup.bash
roslaunch file_player file_player.launch
launch启动出现软件界面：
点击load，加载数据：
点击play会播放话题，点击end会结束播放话题
2.1 通过SC-LIUO-SLAM为每一个段生成一个段数据
2.1.1 由01数据生成一个段
需要设置文件保存路径：
修改：xx/LT_mapper_ws/src/SC-LIO-SAM/SC-LIO-SAM/config/params_mulran.yaml 文件内路径为自己创建的路径：
# savePCDDirectory: "/home/user/Desktop/scliosam/data/" # use global path, and end with "/"
savePCDDirectory: "/media/meng/T7/dataset/LT_mapper/data_parsed/01/" # use global path, and end with "/"
启动lio-sam：
cd xx/LT_mapper_ws
source devel/setup.bash
roslaunch lio_sam run_mulran.launch
第一次启动可能会遇到这个，应该不影响：
接着发布话题数据：
cd xx/LT_mapper_ws
source devel/setup.bash
roslaunch file_player file_player.launch
效果如下，如果rviz不显示，可以再启动一次run_mulran.launch；如果中间出现定位崩了，重新启动上面两个launch
结果保存在：
批量化查看pcd文件：https://blog.csdn.net/BIT_HXZ/article/details/122090880
2.1.2 由02数据生成一个段
01和02数据起点具有不同的位姿。
参考上面的操作，重新来一遍。效果如下：
2.1.3 比较轨迹
打开cloudcompare软件，终端输入：
cloudcompare.CloudCompare
将01、02数据的trajectory.pcd文件用cloudcompare软件打开，进行轨迹比较
可以看出，01和02的起始位姿不同，所以轨迹并没有对齐。
注：如果trajectory.pcd文件在外接硬盘上，我这里在三星T7硬盘上，直接用cloudcompare打开会出现包权限不允许的错误，如下所示：
[pcl::PCDReader::readHeader] Could not open file '/media/meng/T7/dataset/LT_mapper/data_parsed/01/trajectory.pcd'! Error : Permission denied
[pcl::PassThrough::applyFilter] Input dataset doesn't have x-y-z coordinates!
解决办法为将两个trajectory.pcd文件复制到自己电脑硬盘的文件加下，如/home/Desktop/。
2.1.4 在共享的中心坐标系中使用LT-SLAM对齐两个轨迹
指定需要对齐数据序列的路径，打开xx/LT_mapper_ws/src/lt-mapper/ltslam/config/params.yaml,修改对应路径,下面的修改应该是让02数据的轨迹向01数据对齐
ltslam:
# sessions_dir: "/home/user/Documents/catkin2021/catkin_LTslam/data_kitti/in/" # end with /
sessions_dir: "/media/meng/T7/dataset/LT_mapper/data_parsed/" # end with / ###hxz
central_sess_name: "01" # should be same as the directory name of that session ##hxz
query_sess_name: "02" # should be same as the directory name of that session ##hxz
# save_directory: "/home/user/Documents/catkin2021/catkin_LTslam/data_kitti/out/011-02-manyloops/" # end with "/"
save_directory: "/media/meng/T7/dataset/LT_mapper/data_ltslam/0102/" # end with "/" ##hxz
is_display_debug_msgs: false
loopFitnessScoreThreshold: 0.7
kNumSCLoopsUpperBound: 1000 # if you use an enough number, use all the detected loops
kNumRSLoopsUpperBound: 0 # if you use an enough number, use all the detected loops
numberOfCores: 16 # currently hard-coded in the utility.cpp
cd xx/LT_mapper_ws
source devel/setup.bash
roslaunch ltslam run.launch
LT-SLAM首先检测并缝合(detect and sticth)基于背景扫描的回环(scan context-based loops)，并得到大致的初始位姿转换。然后，使用基于半径(radius-search)的搜索精细地缝合两个轨迹。
最终输出：
/media/meng/T7/dataset/LT_mapper/data_ltslam/0102/01_central_aft_intersession_loops.txt
/media/meng/T7/dataset/LT_mapper/data_ltslam/0102/02_central_aft_intersession_loops.txt
2.1.5 比较使用LT-SLAM对齐的两个轨迹
注意：上一步得到的最终文件01_central_aft_intersession_loops.txt和02_central_aft_intersession_loops.txt如果在移动硬盘上，也需要移动到电脑本机硬盘上，否则可能打不开或打开失败。
直接拖如cloudcompare软件即可。
调整第1、4、8、12列的属性，点击apply all（这样拖入另一个txt时就不用调整了）
发现01和02数据对应的轨迹被很好地对齐了。
2.1.6 使用在中心坐标系上优化的位姿对齐每一段点云
注：python环境：python3.7,之前配置的环境：https://blog.csdn.net/BIT_HXZ/article/details/123444769
注：出现报错查看目录3 找到对应的报错
分别将01_central_aft_intersession_loops.txt和02_central_aft_intersession_loops.txt放在xx/data_parsed/01和xx/data_parsed/02下
使用SL-LIO-SLAM的python工具xx/LT_mapper_ws/src/SC-LIO-SAM/SC-LIO-SAM/tools/python/makeMergedMap.py,修改该py文件的下面4处：
# data_dir = "/home/user/Desktop/data/scliosam/mytest1/" # should end with /
# scan_idx_range_to_stack = [0, 100] # if you want a whole map, use [0, len(scan_files)]
data_dir = "/media/meng/T7/dataset/LT_mapper/data_parsed/01/" # should end with / ##hxz
scan_idx_range_to_stack = [0, 571] # if you want a whole map, use [0, len(scan_files)] ##hxz
# f = open(data_dir+"optimized_poses.txt", 'r') ##hxz
f = open(data_dir+"01_central_aft_intersession_loops.txt", 'r')
# if( nodes_count % node_skip is not 0):
if( nodes_count % node_skip != 0): ##hxz
第4行的571是Scans文件夹里面的项目数目
终端输入：
cd xx/LT_mapper_ws/src/SC-LIO-SAM/SC-LIO-SAM/tools/python
python3 makeMergedMap.py
open3d中鼠标滚轮前滑是缩小，后滑是放大，按住滚轮移动鼠标是移动，鼠标左键可以移动视角
同样，针对02数据，修改xx/LT_mapper_ws/src/SC-LIO-SAM/SC-LIO-SAM/tools/python/makeMergedMap.py中对应位置，参考如上，输入命令python3 makeMergedMap.py
直接看的话，需要放大才可以看出区别
现在我们得到了在相同坐标系下的两个点云地图
运行python3 makeMergedMap.py时，在程序执行到保存pcd地图阶段时可能会报错：三个报错对应三个位置，相应修改如下。
TypeError: sequence item 0: expected str instance, bytes found
# uncompressed = ''.join(uncompressed_lst)
uncompressed = ''.join(str(uncompressed_lst)) #hxz
TypeError: write() argument must be str, not bytes
# fileobj.write(struct.pack(fmt, compressed_size, uncompressed_size))
fileobj.write(str(struct.pack(fmt, compressed_size, uncompressed_size)) ) ##hxz
TypeError: write() argument must be str, not bytes
# fileobj.write(buf)
fileobj.write(str(buf)) ##hxz
解决完报错后，终端打印输出如下，对齐后的点云地址如下
makeMergedMap.py文件中保存pcd的相关代码如下
最终01和02序列数据分别得到：map_0_to_609_with_intensity.pcd、map_0_to_571_with_intensity.pcd,但二者都比较大
2.1.7 使用cloudcompare比较每一段点云对齐后的效果
数据量比较大，暂时先不再ubuntu下用cloudcompare打开，如果用cloudcompare打开会报错，如下所示：
[pcl::PCDReader::read] The estimated cloud.data size (377341728) is different than the saved uncompressed value (1550071928)! Data corruption?
[pcl::PCDReader::read] Size of decompressed lzf data (0) does not match value stored in PCD header (1550071928). Errno: 22
注：如果可以打开比较观察，会发现有动态鬼点和较小的偏移，在使用LT-removert处理完动态鬼点后，LT-removert通过检查变化进行偏差对齐
3 报错及相关解决办法
3.1：ModuleNotFoundError: No module named 'pypcd'
解决步骤：
(1)pip install pypcd
我这里pypcd.py文件安装在/home/meng/anaconda3/envs/yolov5py37/lib/python3.7/site-packages/pypcd/pypcd.py
(2)替换pypcd.py文件
下面这个github代码针对篇pypcd在python3.x版本上的兼容性，写了针对python3.6的版本的pypcd，感谢感谢感谢。
https://github.com/weidezhang/pypcd_python3.6
将上面pip安装的/home/meng/anaconda3/envs/yolov5py37/lib/python3.7/site-packages/pypcd/pypcd.py备份后直接全部替换，备份参考命令如下：
cp /home/meng/anaconda3/envs/yolov5py37/lib/python3.7/site-packages/pypcd/pypcd.py /home/meng/anaconda3/envs/yolov5py37/lib/python3.7/site-packages/pypcd/pypcd.py.old
(3)如果没有进行(2)的替换，可能会报错;替换的话就基本没问题了：
报错1：ModuleNotFoundError: No module named 'cStringIO'
原因在于python3.X已经取消了cStringIO模块，但是可以在io模块中找到StringIO。参考：https://blog.csdn.net/S20144144/article/details/100518249
gedit /home/meng/anaconda3/envs/yolov5py37/lib/python3.7/site-packages/pypcd/pypcd.py
观察pypcd.py文件，相关调用函数的语句如下所示：
fileobj = sio.StringIO(buf)
--------------
fileobj = sio.StringIO()
且StringIO()函数在python3中在io头文件中，故修改如下：
# import cStringIO as sio
import io as sio #hxz
报错2：TypeError: startswith first arg must be bytes or a tuple of bytes, not str
参考：https://github.com/ansible/tower-cli/issues/300
修改如下：
# if ln.startswith('DATA'):
if ln.startswith(b'DATA'): ##hxz
# if ln.startswith('#') or len(ln) < 2:
if ln.startswith(b'#') or len(ln) < 2: ##hxz
报错3：TypeError: cannot use a string pattern on a bytes-like object
修改如下：
# match = re.match('(\w+)\s+([\w\s\.]+)', ln)
match = re.match('(\w+)\s+([\w\s\.]+)'.decode('utf-8'), ln) ##hxz
报错*n，会有很多报错。。。，我没解决完
3.2：ModuleNotFoundError: No module named 'open3d'
(注：之前尝试时，在python3.10的环境下一直安装不进去open3d，调整为python3.7环境就安装进去了。)
直接安装：pip install open3d
ERROR: Could not find a version that satisfies the requirement open3d (from versions: none)
ERROR: No matching distribution found for open3d
使用conda安装：
conda install open3d
报错：
PackagesNotFoundError: The following packages are not available from current channels:
到anaconda(https://anaconda.org/) 查看open3d这个包的下载链接：
输入命令：
conda install -c open3d-admin open3d，安装成功
3.3：ModuleNotFoundError: No module named 'addict'
pip install addict