从0.3开始搭建LeGO-LOAM+VLP雷达+小车实时建图（保姆级教程，小白踩坑日记）
背景：SLAM小白，因为项目需要花了两天时间编译代码+连接雷达实现了交互。
踩了很多坑，简单记录一下，让后面感兴趣的朋友少走点弯路~ 肯定有很多不专业的、错误的地方，还请大家不吝赐教（噗通）
也可以见知乎：https://zhuanlan.zhihu.com/p/357020888/ （我发现从知乎复制内容到CSDN特别方便啊）未完待续惹
主要分为5个部分：
- 编译算法前的准备（对应目录第1-4章）
- 编译SLAM算法 LeGO-LOAM-BOR （对应目录第5章）
- 编译SLAM算法 LeGO-LOAM和跑包 （对应目录第6-7章）
- 连接Velodyne激光雷达 VLP-16 （对应目录第8章）
- 基于小车的实时建图（对应目录第9-10章）
目录
1. 安装 ROS
2. 安装 OpenCV
3. 安装 GTSAM (Georgia Tech Smoothing and Mapping library, 4.0.0-alpha2)
4. 安装 PCL
5. 重头戏来了！编译 LeGO-LOAM-BOR
6. 跑包，在数据集上进行测试
7 删除LeGO-LOAM-BOR，重新下载编译LeGO-LOAM
8 与Velodyne VLP-16 三维激光雷达连接
9 实时建图：算法和雷达交互
10 小车及大范围场景的实时建图
参考文献
源代码github：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM/
优化版本的代码：https://github.com/facontidavide/LeGO-LOAM-BOR/tree/speed_optimization
硬件设备：Intel NUC 10代i7（NUC10i7FNH）
软件系统：Ubuntu 16.04
如果要正确编译、运行算法，相关依赖库必须准确、完整安装好，要不然会各种报错，绕路踩坑。下面对相关依赖库安装流程简要叙述。观察CMakeLists.txt，主要需要以下几个库：
find_package(GTSAM REQUIRED QUIET)
find_package(PCL REQUIRED QUIET)
find_package(OpenCV REQUIRED QUIET)当然，还有必须要的ROS。
1. 安装 ROS
机器预先已装 ROS-kinetic，具体安装过程这里不再赘述。
2. 安装 OpenCV
机器预先已装 OpenCV 4.3.0，具体安装过程这里不再赘述。
测试是否安装正确：
转到~/opencv-4.3.0/samples/cpp/example_cmake 目录下，打开终端，输入：
cmake .
make
./opencv_example如果右上角，弹框出现 Hello OpenCV 则证明安装成功，如下图：
3. 安装 GTSAM (Georgia Tech Smoothing and Mapping library, 4.0.0-alpha2)
参考https://github.com/RobustFieldAutonomyLab/LeGO-LOAM/中Dependency
wget -O ~/Downloads/gtsam.zip https://github.com/borglab/gtsam/archive/4.0.0-alpha2.zip
cd ~/Downloads/ && unzip gtsam.zip -d ~/Downloads/
cd ~/Downloads/gtsam-4.0.0-alpha2/
mkdir build && cd build
cmake ..
sudo make install正在编译
安装完成示意
4. 安装 PCL
一开始没有注意要安装PCL，直接尝试编译LeGO-LOAM，发现无法通过编译，报错
Invoking "cmake" failed或者
Invoking "make cmake_check_build_system" failed后来才发现，需要安装PCL （捂脸）
PCL Address: https://github.com/PointCloudLibrary/pcl
4.1 首先提前安装PCL需要的各种依赖包
sudo apt-get update
sudo apt-get install git build-essential linux-libc-dev
sudo apt-get install cmake cmake-gui
sudo apt-get install libusb-1.0-0-dev libusb-dev libudev-dev
sudo apt-get install mpi-default-dev openmpi-bin openmpi-common
sudo apt-get install libflann1.8 libflann-dev
sudo apt-get install libeigen3-dev
sudo apt-get install libboost-all-dev
sudo apt-get install libvtk5.10-qt4 libvtk5.10 libvtk5-dev
sudo apt-get install libqhull* libgtest-dev
sudo apt-get install freeglut3-dev pkg-config
sudo apt-get install libxmu-dev libxi-dev
sudo apt-get install mono-complete
sudo apt-get install qt-sdk openjdk-8-jdk openjdk-8-jrePCL可视化相关函数库安装
sudo apt-get install libopenni-dev
sudo apt-get install libopenni2-dev（有的教程表示 Boost >= 1.43，CMake >= 2.6，at least gcc 4.7.3 on Linux，so， 装过的朋友尽量装新版的API。）
4.2 从Github上clone PCL源码
git clone https://github.com/PointCloudLibrary/pcl.git4.3 编译PCL
cd pcl
mkdir release
cd release
cmake -DCMAKE_BUILD_TYPE=None -DCMAKE_INSTALL_PREFIX=/usr \
-DBUILD_GPU=ON -DBUILD_apps=ON -DBUILD_examples=ON \
-DCMAKE_INSTALL_PREFIX=/usr ..
make4.4 安装
sudo make install4.5 在自己的代码里，测试PCL点云显示（这步非常关键！）
测试代码pcl_test.cpp：
#include
#include
#include
#include
#include
#include
int main(int argc, char **argv) {
std::cout << "Test PCL !!!" << std::endl;
pcl::PointCloud::Ptr point_cloud_ptr (new pcl::PointCloud);
uint8_t r(255), g(15), b(15);
for (float z(-1.0); z <= 1.0; z += 0.05)
{
for (float angle(0.0); angle <= 360.0; angle += 5.0)
{
pcl::PointXYZRGB point;
point.x = 0.5 * cosf (pcl::deg2rad(angle));
point.y = sinf (pcl::deg2rad(angle));
point.z = z;
uint32_t rgb = (static_cast(r) << 16 |
static_cast(g) << 8 | static_cast(b));
point.rgb = *reinterpret_cast(&rgb);
point_cloud_ptr->points.push_back (point);
}
if (z < 0.0)
{
r -= 12;
g += 12;
}
else
{
g -= 12;
b += 12;
}
}
point_cloud_ptr->width = (int) point_cloud_ptr->points.size ();
point_cloud_ptr->height = 1;
pcl::visualization::CloudViewer viewer ("test");
viewer.showCloud(point_cloud_ptr);
while (!viewer.wasStopped()){ };
return 0;
}
CMakeLists.txt文件
cmake_minimum_required(VERSION 2.6)
project(pcl_test)
find_package(PCL 1.2 REQUIRED)
include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})
add_executable(pcl_test pcl_test.cpp)
target_link_libraries (pcl_test ${PCL_LIBRARIES})
install(TARGETS pcl_test RUNTIME DESTINATION bin)将pcl_test.cpp和CMakeLists.txt放在同一个文件夹下，如下图（具体文件夹没有要求）
执行：
cmake .
make
./pcl_test4.6 然后报错：o(╥﹏╥)o 这个错误还是很常见的
bug: fatal error: pcl/visualization/pcl_visualizer.h: No such file or directory这就体现了，运行测试代码的重要性，之前编译PCL都没有任何问题。
错误的原因是：没有正确安装好PCL库，PCL库的可视化需要依赖VTK库，所以如果没有提前装VTK，就会遇到这个问题。
解决方法：先装VTK和其他依赖包，再装PCL。（仔细一想，我是没有装VTK，惹）
4.7 安装VTK
4.7.1 在按照VTK之前，要安装依赖库X11，OpenGL和CMake-gui
首先安装X11
sudo apt-get install libx11-dev libxext-dev libxtst-dev libxrender-dev libxmu-dev libxmuu-dev安装OpenGL
sudo apt-get install build-essential libgl1-mesa-dev libglu1-mesa-dev安装 CMake-gui
sudo apt-get install cmake cmake-gui4.7.2 下载VTK源代码
下载链接：https://www.vtk.org/download/
PCL和VTK可能存在版本需求，截止安装日2020年3月9日，PCL官网版本为1.11，（可以在/usr/include中寻找自己的PCL版本。）这里我下载的VTK版本是7.1.1，选择下图中的，VTK-7.1.1.tar.gz，下载完成后解压缩到文件夹中，自定义安装目录。（亲测可以使用。具体对应关系还不清楚惹。）
4.7.3 安装VTK
(1) 终端输入下指令，启动cmake-gui；
cmake-gui(2) 设置where is the source code：的路径为文件夹VTK-7.1.1所在路径，如这里是/home/js/VTK-7.1.1；
(3) 设置where to build the binaries：的路径为/home/js/VTK-7.1.1/build，即在/home/VTK-7.1.1的路径下新建文件夹build；如下图
(4) 点击“Configure”，在弹出对话框中选择“Current Generator”为“Unix MakeFiles”，完成之后会提示“Configuring done”；
(5) 然后在里面勾选“VTK_GROUP_Qt”选项，再次点击“Configure”按钮，若提示警告信息，需要设置Qt安装路径，则设置路径后，再次点击“Configure”按钮；
(6) 提示“Configure done”，点击“Generate”按钮，在vtk_build会生成工程文件，完成之后会提示“Generating done”，如下图
(7) cd到vtk目录下的build文件夹，若没有则在使用$mkdir build来创建
(8) 终端输入，编译和安装
sudo make
sudo make install至此，VTK安装完成！
4.8 卸载PCL
因为之前装了错误的PCL，所以需要卸载掉PCL，再重新安装。
终端内输入
sudo rm -r /usr/include/pcl-1.11 /usr/share/pcl-1.11 /usr/bin/pcl* /usr/lib/libpcl*
sudo apt-get remove libpcl-dev pcl-tools即可。
4.9 重新安装PCL
因为已经安装好了依赖包，所以无需重新安装。重复4.2~4.4即可。
4.10 测试PCL
重复4.5步骤，此时不再显示错误，显示如下图形！
如果一开始不显示圆环（可能是一个矩形块）也不要紧，缩小即可见到。
PCL-1.11, VTK-7.1.1，Yes！
5. 重头戏来了！编译 LeGO-LOAM-BOR
因为一开始编译LeGO-LOAM出错，所以这次装一下优化版本LeGO-LOAM-BOR，希望不出错（事实证明只是我一厢情愿罢了）。
执行：
cd ~/catkin_ws/src
git clone https://github.com/facontidavide/LeGO-LOAM-BOR.git
cd ..
catkin_make呃，非常抱歉，还是没有编译成功。
5.1 出错1
报错：
Invoking "cmake" failed
pip install -U rosdep rosinstall_generator wstool rosinstall six vcstools
Invoking "make cmake_check_build_system" failed
-- Could NOT find cv_bridge (missing: cv_bridge_DIR)cv_bridge 是opencv和ros连接起来的桥，这个意思就是ROS缺少了cv_bridge，下面提供解决方案。
5.1.1 下载cv_bridge
git clone https://github.com/ros-perception/vision_opencv.git5.1.2 找到下载文件地址，将vision_opencv中的cv_bridge/拿出来，放到工作空间(catkin_wa/src)中，编译：
cd ~/catkin_ws/src/cv_bridge
mkdir build
cd build
cmake ..
make
sudo make install(1) 很不幸，编译不通过，报错：
Boost include path: /usr/include
Could not find the following Boost libraries:
boost_python37
No Boost libraries were found. You may need to set BOOST_LIBRARYDIR to the
directory containing Boost libraries or BOOST_ROOT to the location of Boost.这个意思是，电脑里找不到boost_python37库，这个原因可能是装了其他的python版本。导致命名出现问题。
解决方案：进入/usr/lib/x86_64-linux-gnu文件夹中查看相关boost_python库，如图所示，发现没有boost_python37的相关库，只有python-py35的库。
我们要建立python-py35到python-py37的软连接。如果没找到python-py35而是找到了python-py3x（x为数字，可能为6，对应python3.6版本；可能为7，对应python3.7版本或者其他数字），解决方案相同，建立软连接即可。
即 py35.s0 -> py37.so py35.a -> py37.a，打开终端，输入
cd /usr/lib/x86_64-linux-gnu/
sudo ln -s libboost_python-py35.so libboost_python37.so
sudo ln -s libboost_python-py35.a libboost_python37.a5.1.3 重新编译cv_bridge，重复(2)中操作
编译成功啦！
5.2 出错2
然后我们重新编译LeGO-LOAM-BOR，继续报错：
Could not find a package configuration file provided by "pcl_ros" with any of the following names:
pcl_rosConfig.cmake
pcl_ros-config.cmake这个好解决，缺少pcl-ros
打开终端输入
sudo apt-get install ros-kinetic-pcl-ros安装pcl-ros。
5.3 出错3
然后我们重新编译LeGO-LOAM-BOR，继续报错：
CMake Error at /home/js/catkin_ws/devel/share/ddynamic_reconfigure/cmake/ddynamic_reconfigureConfig.cmake:113 (message):
Project 'ddynamic_reconfigure' specifies
'/home/js/catkin_ws/src/ddynamic_reconfigure-kinetic-devel/include' as an
include dir, which is not found. It does neither exist as an absolute
directory nor in这个问题是缺少ddynamic_reconfigure
我们打开终端输入
sudo apt-get install ros-kinetic-ddynamic-reconfigure安装ddynamic-reconfigure，然后将文件夹复制到catkin_ws/src中，如下图
5.4 出错4
然后我们重新编译LeGO-LOAM-BOR，继续报错：
make 66%时错误
error: return-statement with no value, in function returning ‘int’ [-fpermissive]
efine import_array() {if (_import_array() < 0) {PyErr_Print(); PyErr_SetString(PyExc_ImportError, "numpy.core.multiarray failed to import"); return NUMPY_IMPORT_ARRAY_RETVAL; } }
note: in definition of macro ‘import_array’
efine import_array() {if (_import_array() < 0) {PyErr_Print(); PyErr_SetString(PyExc_ImportError, "numpy.core.multiarray failed to import"); return NUMPY_IMPORT_ARRAY_RETVAL; } }
src/CMakeFiles/cv_bridge_boost.dir/build.make:62: recipe for target 'src/CMakeFiles/cv_bridge_boost.dir/module.cpp.o' failed
make[2]: *** [src/CMakeFiles/cv_bridge_boost.dir/module.cpp.o] Error 1
CMakeFiles/Makefile2:930: recipe for target 'src/CMakeFiles/cv_bridge_boost.dir/all' failed
make[1]: *** [src/CMakeFiles/cv_bridge_boost.dir/all] Error 2
Makefile:140: recipe for target 'all' failed
make: *** [all] Error 2解决方法是，修改/home/js/catkin_ws/src/cv_bridge/src/module.hpp（根据自己的路径），将最后一段（36～40）行改为
static void do_numpy_import( )
{
import_array( );
}5.5 然后我们重新编译LeGO-LOAM-BOR，终于成功了！！
catkin_make
6. 跑包，在数据集上进行测试
6.1 针对LeGO-LOAM-BOR方法，在数据集上进行测试。
数据集地址：
https://github.com/TixiaoShan/Stevens-VLP16-Datasetgithub.com
https://github.com/RobustFieldAutonomyLab/jackal_dataset_20170608github.com
下载数据集，然后在catkin_ws中新建dataset文件夹，保存数据包，打开终端输入
cd ~/catkin_ws
mkdir dataset然后拷贝数据包，如下图。
其中，nsh_indoor_outdoor.bag有国内百度网盘链接，提取码：l5rl
https://pan.baidu.com/s/1UswMElc81AKY8hnpmkjnrApan.baidu.com
打开终端，输入
roslaunch lego_loam_bor run.launch rosbag:=~catkin_ws/dataset/nsh_indoor_outdoor.bag lidar_topic:=/velodyne_points imu_topic:=/imu/data其中，~catkin_ws/dataset/nsh_indoor_outdoor.bag 为数据集绝对路径，也可以cd进数据集文件夹，输入相对路径。其中，/imu/data是可选的
但是，很遗憾，失败了，提示无法打开数据包。
6.2 针对LeGO-LOAM-BOR方法，实时建图。
也不知道这个方法啥原因，我决定再试试给个机会，基于VLP雷达实时建图试试。
（1）首先要修改run.launch，可以另存为run1.launch：
（2）启动Velodyne16激光雷达
roslaunch velodyne_pointcloud VLP16_points.launch（3）启动LeGO-LOAM-BOR
roslaunch lego_loam_bor run1.launch可以正常启动，但是建图效果十分怪异，无法进行旋转，只是一个二维的，不给机会了，换回原来的方法！
7 删除LeGO-LOAM-BOR，重新下载编译LeGO-LOAM
7.1 编译LeGO-LOAM
我怀疑可能是LeGO-LOAM-BOR算法的问题，也有可能是我的问题。不管了，我准备卸载掉LeGO-LOAM-BOR，重新编译LeGO-LOAM。
搜索LeGO-LOAM-BOR，将所有与LeGO-LOAM-BOR相关的文件、文件夹都删去
因为LeGO-LOAM-BOR和LeGO-LOAM需要的依赖库相同，所以无需重复安装依赖库，直接下载编译即可。
cd ~/catkin_ws/src
git clone https://github.com/RobustFieldAutonomyLab/LeGO-LOAM.git
cd ..
catkin_make -j1编译完成示意图：
7.2 跑包，在数据集上进行测试LeGO-LOAM
打开终端输入
roslaunch lego_loam run.launchcd到数据集文件夹下面，重新开启一个终端，输入
rosbag play --clock nsh_indoor_outdoor.bag或者是
rosbag play nsh_indoor_outdoor.bag --clock --topic /velodyne_points /imu/data（也可以输入数据集绝对路径）
即可看到数据集运行效果
也可以更换数据集，
rosbag play --clock 1.bag
其他数据集加载方式完全相同。
8 与Velodyne VLP-16 三维激光雷达连接
VLP-16与计算机采用网线连接，而不是2D雷达多采用USB连接。
此时，出现了一个问题，终端输入ifconfig，找不到有限网卡，只有lo，无线网卡，并没有表示eth0等的有限网卡。
8.1 尝试重新装有限网卡驱动
尝试了重新装有限网卡驱动，首先
lspci | grep -i net. 找网络控制器，lspci. 找所有硬件设备，很抱歉，一串字母，我也不知道这个设备是什么网卡。如果有了解这个啥意思的欢迎留言告诉~
查阅了网上的资料，应该是I219-V网卡，对应的驱动型号是e1000e。从
Download Intel® Network Adapter Driver for PCIe* Intel® Gigabit Ethernet Network Connections under Linux*downloadcenter.intel.com
下载了网卡驱动，直接下载点击安装即可。
下载了两个版本：3.8.4和3.5.1，进行安装。
但是，并没有work，无法安装上有限网卡驱动，我怀疑是有限网卡驱动已经安装了。
8.2 尝试重新启动网络管理服务
该操作针对有线连接图标不见，ifconfig查看也无网卡的情况。
但是，并没有work，可能是由于这个解决方案是针对有线连接的图标不见的情形，并不是现在遇到的现在的找不到有限网卡的情形。
8.3 尝试更新系统内核
查阅了网上资料，有人也遇到同样的问题，他通过更新内核解决了，我于是也是尝试更新一下。
键入：uname -r
可以查看当前内核版本：目前是5.2.20
准备更新的内核：5.6.16
8.3.1 开始升级内核。先安装升级所需的libssl1.1
wget http://archive.ubuntu.com/ubuntu/pool/main/o/openssl/libssl1.1_1.1.0g-2ubuntu4_amd64.deb
sudo dpkg -i libssl1.1_1.1.0g-2ubuntu4_amd64.deb8.3.2 下载内核
地址：https://kernel.ubuntu.com/~kernel-ppa/mainline/
选择 5.6.16
选择下面amd64中，标框的4个deb包。
直接下载即可
8.3.3 安装内核
然后双击安装即可，安装的顺序是 headers_all, headers_generic, modules_generic, image_generic。（不依照也没事，它会提示有依赖关系）。也可以sudo dpkg -i linux-*(包名)安装，但是直接安装更简单。
安装完执行sudo update-grub后重启计算机
打开终端即可看到内核已经更新（ uname -r 也可以），5.6.16-050616-generic
8.4 查看有限网卡
打开终端输入 ifconfig，终于！出现了有限网卡eno1。原来就是内核版本的问题。
8.5 新建有线连接
新增有限连接网络 VLP-16 （名称任意设置）
然后选择IPV4 Settings，方法选为 Manual，更改网络配置。
address: 192.168.1.77
netmask: 255.255.255.0
gateway: 192.168.1.1
然后点击保存。(注意IP地址的77，可以为1到254除开201以外的所有值，因为201是激光雷达的默认IP。)
8.6 安装ROS依赖包（激光雷达驱动）
sudo apt-get install ros-kinetic-velodynePS: kinetic：与机器安装的ROS版本一致。
8.7 创建ROS工程
mkdir -p catkin_velodyne/src
cd catkin_velodyne/src
git clone https://github.com/ros-drivers/velodyne.git
cd ..
rosdep install --from-paths src --ignore-src --rosdistro kinetic -y
catkin_make
source devel/setup.bash编译一切正常，准备与雷达连接。
8.8 开始连接雷达
Velodyne雷达与电脑网线连接，并给雷达供电（12V），可以发现右上角图标更换。
打开网络连接界面，可以发现网络已经连接。
在更新内核之前，是怎么都连接不上的！
当然，这也就意味着NUC无法通过WIFI上网了。需要联网的工作，尽量选择在之前完成。
此时，打开网页，网址处输入192.168.1.201，会弹出激光雷达的参数界面：
这表明，雷达连接一切正常。
8.9 测试雷达
打开终端，输入
roslaunch velodyne_pointcloud VLP16_points.launch打开新的终端，输入下式，可以打开rviz，进行结果可视化
rosrun rviz rviz -f velodyne不过刚打开是啥都没有的，需要自己订阅。
首先点击Add,添加pointsCloud2,
然后会发现左边的目录中多了个PointsCloud2，在该目录下点击topic,选择/velodyne_points，
即可以看到三维点云信息，如下图。
在终端中输入，可以记录数据：
rosbag record -o xxx.bag topic -name比如velodyne_points，只保存/velodyne_points这个topic的数据（可以用rostopic list -v开看当前可用的topic），保存在当前目录的out.bag当中。
想简单点就
rosbag record -a不过这个应该是保存了所有内容，所以体量非常大。
下图是连接激光雷达与NUC。
9 实时建图：算法和雷达交互
这里只针对LeGO-LOAM方法
首先，将LeGO-LOAM包里的run.launch文件进行修改，只需要将文件第4行中的true改成false即可，即
因为第4行 true表示虚拟运行，false表示真机器人运行。（之前的适用于LeGO-LOAM-BOR方法的launch文件不用管了）
打开终端输入
roslaunch velodyne_pointcloud VLP16_points.launch再打开一个终端输入
roslaunch lego_loam run.launch即可显示建图信息。（这是俺的教研室）
打开终端输入 rosbag record -a可以记录当前的数据。
运行结束后，打开两个终端，输入
roslaunch lego_loam run.launch
rosbag play --clock xxxxx.bagxxxxx为自己保存的包名字。
即可以跑自己做出来的数据集。效果如下图，因为保存了所有的topic，所以内容会比较多。
10 小车及大范围场景的实时建图
装车
远距离通讯采用的是INSIGHT实时图传设备
办公室走廊实时建图
环土木交通楼实时建图
参考文献
https://github.com/RobustFieldAutonomyLab/LeGO-LOAM/
https://github.com/facontidavide/LeGO-LOAM-BOR/tree/speed_optimization
https://blog.csdn.net/acyddlm/article/details/82974012
https://blog.csdn.net/fsencen/article/details/79386570
https://blog.csdn.net/weixin_41827934/article/details/90175635
https://blog.csdn.net/qq_29761791/article/details/94135193
https://www.cnblogs.com/winslam/p/12074432.html
http://www.bubuko.com/infodetail-3341579.html
http://blog.sina.com.cn/s/blog_c0468c8f0101ld2x.html
https://blog.csdn.net/qq_39346534/article/details/108617770
https://blog.csdn.net/yehe111/article/details/106800025/
https://blog.csdn.net/MIRANA0/article/details/106696334
https://www.jb51.net/article/192497.htm
https://blog.csdn.net/sinat_36502563/article/details/102996736
https://blog.csdn.net/m0_37931718/article/details/106612478
https://blog.csdn.net/mrh1714348719/article/details/103896168
https://blog.csdn.net/learning_tortosie/article/details/86527542
https://blog.csdn.net/qq_43535779/article/details/102579230