Ubuntu20.04下运行LOAM系列：A-LOAM、LeGO-LOAM、LIO-SAM 和 LVI-SAM
文章目录
- 一、安装A-LOAM
-
- 1.1 安装Ceres
- 1.2 修改功能包
-
- 1.2.1 修改CMakeLists.txt
- 1.2.2 修改源码
- 1.3 编译A-LOAM
- 1.4 运行A_LOAM示例并保存地图
- 1.5 运行KITTI数据集
- 二、安装LeGO-LOAM
-
- 2.1 安装gtsam
- 2.2 修改CMakeLists.txt
- 2.3 修改源码
- 2.4 编译LeGO-LOAM
- 2.5 运行LeGO-LOAM
- 三、安装LIO-SAM
-
- 3.1 修改CMakeLists.txt和源码
- 3.2 LIO-SAM的编译
- 3.3 运行示例数据集
- 四、安装LVI-SAM
-
- 4.1 修改CMakeLists.txt和源码
- 4.2 编译
- 4.3 运行
在我第一篇博文Ubuntu 20.04配置ORB-SLAM2和ORB-SLAM3运行环境+ROS实时运行ORB-SLAM2+Gazebo仿真运行ORB-SLAM2+各种相关库的安装的基础环境下跑通LOAM系列
首先按照上一篇文章已经安装好了ROS noetic、Eigen3.4.0、OpenCV4.2.0和PCL1.10等三方库，它们的安装不再赘述，另外文章中使用的数据已经在评论区分享
一、安装A-LOAM
A-LOAM在Github的开源地址：https://github.com/HKUST-Aerial-Robotics/A-LOAM。接下来根据代码要求，需要安装Ceres，另外环境的变化导致源码不能编译通过，需要修改源码
1.1 安装Ceres
（1）下载源码包
参考Github，点击Follow Ceres Installation转到安装网站，点击You can start with the latest stable release，直接把Ceres包给下载下来。
（2）安装依赖
#CMake（已安装）
sudo apt-get install cmake
#google-glog + gflags
sudo apt-get install libgoogle-glog-dev libgflags-dev
#Use ATLAS for BLAS & LAPACK
sudo apt-get install libatlas-base-dev
#Eigen3（已安装）
sudo apt-get install libeigen3-dev
#SuiteSparse and CXSparse (optional)
sudo apt-get install libsuitesparse-dev
（3）编译源码并安装
在安装包目录下：
tar zxf ceres-solver-2.1.0.tar.gz
mkdir ceres-bin
cd ceres-bin
cmake ../ceres-solver-2.1.0
make -j4
make test
#Optionally install Ceres, it can also be exported using CMake which
#allows Ceres to be used without requiring installation, see the documentation
#for the EXPORT_BUILD_DIR option for more information.
sudo make install
（4）测试
ceres-bin目录下运行下面例子：
bin/simple_bundle_adjuster ../ceres-solver-2.1.0/data/problem-16-22106-pre.txt
运行结果：
1.2 修改功能包
1.2.1 修改CMakeLists.txt
- 由于PCL版本1.10，将C++标准改为14：
#set(CMAKE_CXX_FLAGS "-std=c++11")
set(CMAKE_CXX_FLAGS "-std=c++14")
- 找到OpenCV4.2.0包：
#find_package(OpenCV REQUIRED)
set(CMAKE_PREFIX_PATH "/usr/include/opencv4")
find_package(OpenCV 4.0 QUIET)
1.2.2 修改源码
- 将四个.cpp文件中的/camera_init修改为camera_init
- 将scanRegistration.cpp中的 #include
修改为#include - 修改kittiHelper.cpp中 CV_LOAD_IMAGE_GRAYSCALE为 cv::IMREAD_GRAYSCALE
- 如果编译遇到大量未找到Eigen相关错误，将四个.cpp文件中的#include
修改为#include
1.3 编译A-LOAM
在原来的工作空间或新建工作空间下，将修改的源功能包移动到~/catkin_ws/src，编译：
cd ~/catkin_ws/src
cd ../
catkin_make
#可添加到 ~/.bashrc 文件中：
source ~/catkin_ws/devel/setup.bash
1.4 运行A_LOAM示例并保存地图
下载nsh_indooroutdoor.bag测试数据，打开终端输入下面代码开始运行：
roslaunch aloam_velodyne aloam_velodyne_VLP_16.launch
再打开一个终端记录地图
rosbag record -o bag_out /laser_cloud_map
在nsh_indooroutdoor.bag所在文件夹下打开终端，开始播放数据集：
rosbag play nsh_indoor_outdoor.bag
跑完之后ctrl+c关闭记录地图的终端会生成一个bag文件，将其转化为pcd格式
rosrun pcl_ros bag_to_pcd bag_out_xxxx.bag /laser_cloud_map pcd
在生成的文件夹pcd目录下，使用pcl_viewer工具打开点云，last.pcd为最后一个pcd文件名：
pcl_viewer last.pcd
1.5 运行KITTI数据集
A-LOAM运行KITTI数据集需要运行kittiHelper节点，首先要将KITTI数据转换成ROS 的 Topic 或者 rosbag，读取KITTI数据集的 图像\雷达\时间戳 并发布topic和保存bag，跑之前修改launch文件：
<launch>
<node name="kittiHelper" pkg="aloam_velodyne" type="kittiHelper" output="screen">
<param name="dataset_folder" type="string" value="/data/KITTI/odometry/" />
<param name="sequence_number" type="string" value="00" />
<param name="to_bag" type="bool" value="false" />
<param name="output_bag_file" type="string" value="/tmp/kitti.bag" />
<param name="publish_delay" type="int" value="1" />
node>
launch>
其中/data/KITTI/odometry/修改为kitti数据集的路径，to_bag的值可以为false或者true，选择是否将kitti数据集计算轨迹的同时打包成bag输出，输出路径为out_bag_file的值。以上文件夹路径部分需要根据自己的电脑路径进行修改，均使用绝对路径。publish_delay为发布延时。kitti 数据集的文件结构，注意这个和程序里面的路径设置有关，不一致则读不到数据（可修改源码读自己安排的路径）：
—kitti_data
------poses
---------00.txt
------sequence
---------00
------------image_0
------------------000000.png
------------image_1
------------------000000.png
------------calib.txt
------------times.txt
------velodye
---------sequence
------------00
---------------velodye
------------------000000.bin
上述文件目录中，poses文件夹下存放的是路径真值，sequences文件夹下是00文件夹，00文件夹下是图片image_0、image_1和时间戳time.txt，veledyne存放的是64线激光雷达数据，为bin文件，在后面的计算中，只使用的velodyne的数据，其它的数据在rviz中用作显示。
修改好之后，运行launch文件，打开rviz逐帧显示KITTI数据集：
roslaunch aloam_velodyne kitti_helper.launch
接下来运行SLAM：
roslaunch aloam_velodyne kitti_helper.launch
roslaunch aloam_velodyne aloam_velodyne_HDL_64.launch
二、安装LeGO-LOAM
将下载好的LeGO-LOAM源码放入建立好的ros工作空间下，接下来需要安装gtsam以及修改源码，使其能够在上述环境下运行（参考文章）
2.1 安装gtsam
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 ..
make
sudo make install
2.2 修改CMakeLists.txt
与A-LOAM一样：
- 由于PCL版本1.10，将C++标准改为14：
#set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++11 -O3")
set(CMAKE_CXX_FLAGS "-std=c++14")
- 找到OpenCV4.2.0包：
#find_package(OpenCV REQUIRED QUIET)
set(CMAKE_PREFIX_PATH "/usr/include/opencv4")
find_package(OpenCV 4.0 QUIET)
-如果出现错误
/usr/bin/ld: cannot find -lBoost::serialization
/usr/bin/ld: cannot find -lBoost::thread
加入：
find_package(Boost REQUIRED COMPONENTS timer thread serialization chrono)
2.3 修改源码
（1）找到utility.h中的：#include
#include （2）将四个.cpp文件中的/camera_init修改为camera_init
2.4 编译LeGO-LOAM
cd ~/catkin_ws/src
git clone https://github.com/RobustFieldAutonomyLab/LeGO-LOAM.git
cd ..
catkin_make -j1
第一次编译代码时，需要在“catkin_make”后面加上“-j1”来生成一些消息类型。以后的编译不需要“-j1”
- 如果报错
/usr/include/pcl-1.10/pcl/filters/voxel_grid.h:340:21: error: ‘Index’ is not a member of ‘Eigen’ 340 | for (Eigen::Index ni = 0; ni < relative_coordinates.cols (); ni++)
将voxel_grid.h中（340/669行）报错的 Eigen::Index 修改成int：
sudo gedit /usr/include/pcl-1.10/pcl/filters/voxel_grid.h
for (Eigen::Index ni = 0; ni < relative_coordinates.cols (); ni++)
-> for (int ni = 0; ni < relative_coordinates.cols (); ni++)
2.5 运行LeGO-LOAM
运行：
roslaunch lego_loam run.launch
播放数据集，虽然/imu/data 是可选的，但如果提供它可以大大提高估计精度：
rosbag play *.bag --clock --topic /velodyne_points /imu/data
- 如果报错mapOptmization be killed：
[mapOptmization-7] process has died [pid 14493, exit code 127, cmd
/home/zard/catkin_ws/devel/lib/lego_loam/mapOptmization __name:=mapOptmization __log:
=/home/zard/.ros/log/922c7a94-0354-11ed-951b-8d0be314719f/mapOptmization-7.log].
原因是未安装 libmetis 库。通过安装libparmetis-dev修复它重新运行即可：
sudo apt-get install libparmetis-dev
- nsh_indoor_outdoor.bag数据集
roslaunch lego_loam run.launch
rosbag play nsh_indoor_outdoor.bag --clock --topic /velodyne_points
最后生成的点云及轨迹结果会默认保存到/tmp/文件夹下，如果需要更改保存位置，就修改头文件utility.h：
extern const string fileDirectory = "/tmp/";
三、安装LIO-SAM
将下载好的LIO-SAM源码放入建立好的ros工作空间下，需要的依赖上面都安装过了，接下来需要修改源码，使其能够在上述环境下运行
3.1 修改CMakeLists.txt和源码
与上面一样，修改一下几项：
- 由于PCL版本1.10，将C++标准改为14：
#set(CMAKE_CXX_FLAGS "-std=c++11")
set(CMAKE_CXX_FLAGS "-std=c++14")
- 找到OpenCV4.2.0包：
#find_package(OpenCV REQUIRED QUIET)
set(CMAKE_PREFIX_PATH "/usr/include/opencv4")
find_package(OpenCV 4.0 QUIET)
- /usr/bin/ld问题，修改：
# find_package(Boost REQUIRED COMPONENTS timer)
find_package(Boost REQUIRED COMPONENTS timer thread serialization chrono)
- 找到utility.h中的：#include
，修改为
// #include3.2 LIO-SAM的编译
cd ~/catkin_ws
catkin_make -j1
3.3 运行示例数据集
运行launch文件:
roslaunch lio_sam run.launch
播放数据包（根据电脑性能自行选择频率）:
rosbag play park_dataset.bag -r 3
- 若报错：ERROR: cannot launch node of type [robot_localization/ekf_localization_node]: robot_localization，安装功能包：
sudo apt-get install ros-noetic-fake-localization
sudo apt-get install ros-noetic-robot-localization
如果要保存点云及轨迹等结果，在参数文件params.yaml中打开并修改保存路径:
savePCD: true
savePCDDirectory: "/Downloads/LIOSAM/"
四、安装LVI-SAM
将下载好的LVI-SAM源码放入建立好的ros工作空间下，同样的，LVI-SAM依赖的gtsam和ceres上面都安装过了，接下来需要修改源码，使其能够在上述环境下运行
4.1 修改CMakeLists.txt和源码
- C++标准改为14：
#set(CMAKE_CXX_FLAGS "-std=c++11")
set(CMAKE_CXX_FLAGS "-std=c++14")
- 找到OpenCV4.2.0包：
#find_package(OpenCV REQUIRED QUIET)
set(CMAKE_PREFIX_PATH "/usr/include/opencv4")
find_package(OpenCV 4.0 QUIET)
- 修改
# find_package(Boost REQUIRED COMPONENTS filesystem program_options system timer)
find_package(Boost REQUIRED COMPONENTS filesystem program_options system timer thread serialization chrono)
4.2 编译
cd ~/catkin_ws
catkin_make -j1
- 出现错误：
error: ‘ScalarBinaryOpTraits’ is not a class template
出现这个问题的原因是当前版本ceres需要eigen版本>=3.3，但是我们安装的eigen明明是3.4.0啊！！？这里没有查到解决办法。我参考其他版本的ceres的jet.h文件，在其相应代码区域添加 #if–#endif 约束，不知道这样会不会对其他代码有影响，但总算是编译通过了
// file：/usr/local/include/ceres/jet.h
#if EIGEN_VERSION_AT_LEAST(3, 3, 0)
// Specifying the return type of binary operations between Jets and scalar types
// allows you to perform matrix/array operations with Eigen matrices and arrays
// such as addition, subtraction, multiplication, and division where one Eigen
// matrix/array is of type Jet and the other is a scalar type. This improves
// performance by using the optimized scalar-to-Jet binary operations but
// is only available on Eigen versions >= 3.3
template <typename BinaryOp, typename T, int N>
struct ScalarBinaryOpTraits<ceres::Jet<T, N>, T, BinaryOp> {
using ReturnType = ceres::Jet<T, N>;
};
template <typename BinaryOp, typename T, int N>
struct ScalarBinaryOpTraits<T, ceres::Jet<T, N>, BinaryOp> {
using ReturnType = ceres::Jet<T, N>;
};
#endif // EIGEN_VERSION_AT_LEAST(3, 3, 0)
- 出现错误：
error: ‘CV_RGB2GRAY’ was not declared in this scope
这是opencv2的用法，现在opencv3和4是COLOR_GARY2BGR，因此将代码中的CV_GRAY2BGR改成COLOR_GRAY2BGR:
// cv::cvtColor(image, aux, CV_RGB2GRAY);
cv::cvtColor(image, aux, cv::COLOR_GRAY2BGR);
4.3 运行
运行launch文件:
roslaunch lvi_sam run.launch
播放数据包：
rosbag play handheld.bag
示例数据的传感器套件包括：
LiDAR: Velodyne VLP-16
Camera: FLIR BFS-U3-04S2M-CS
IMU: MicroStrain 3DM-GX5-25
GPS: Reach RS+
保存结果的方式与LIO-SAM一样，修改参数配置文件。