0.前言本文是LIO-SAM论文与代码阅读笔记系列文章的一部分，所有博客如下：LIO-SAM论文与代码阅读笔记（一）论文阅读LIO-SAM论文与代码阅读笔记（二）代码阅读：imuPreintergration.cpp

**lio-sam环境配置SLAM技术文档安装ubuntu20.04版本全覆盖上手使用指南1***.对于前期处理工作（设置成中文化、输入法的安装）---------可以跳过我把都给你放好了：https:

一、LVI-SAM介绍LVI-SAM是TixiaoShan的最新力作，TixiaoShan是Lego-loam和Lio-sam的作者，LVI-SAM是TixiaoShan最新开源的基于视觉-激光-惯导里程计

1介绍就在昨天，LVI-SAM开源了，它是一个lidar-visual-inertial里程计和建图系统，在系统级别结合了LIO-SAM和Vins-Mono的优势。

LVI-SAM可以认为是LIO-SAM和VINS-MONO的合体，在此基础上的修改不大。

LIO-SAM中各模块之间的ROS消息收发结构。LIO-SAM的因子图结构如下：该项目整体流程如下：IM

LVI-SAM是TixiaoShan大佬在他之前LIO-SAM工作基础上耦合了视觉惯性里程计，算法包含雷达惯性里程计模块及视觉惯性里程计模块，其中视觉惯性里程计采用VINS-MONO，其实整体设计是为了在雷达退化的场景中

一、引言1、本博文主要讲具体的实车调试的配置过程。2、底盘是松灵的底盘，已经提供了ros接口，只需要发布cmd_vel话题给相应的速度和角速度的值就可以控制其移动，所以我们只需要关注move_base包的输入，以及如何给定位信息即可。二、整体思路与流程1、tf_tree的搭建（1）tf_tree可以理解为各个坐标系之间的变换关系，一个最基本的tf_tree为map->odom->base_foot

该流程图描述了LIO-SAM整个系统的话题是如何相互作用的，流程图原文件在这里LIO-SAM的话题流程图xmind原文件不需要积分分享给大家

文章目录performLoopClosure()寻找回环关键帧detectLoopClosureDistance检出回环之后开始计算两帧位姿变换回环检测函数调用在mapOptmization.cpp的main中单独开了一个线程运行，1秒运行一遍回环检测std::threadloopthread(&mapOptimization::loopClosureThread,&MO);回环检测思路描述：主要

文章目录第一次进入imuHandler函数跳出imuHandler进入odometryHandler初始化系统开始处理优化优化后开始位姿传播回到imuHandler函数关于高频发布odom时两个函数的配合odometryHandler中约束过多的处理这里将通过代码解析预积分这个节点的运行顺行第一次进入imuHandler函数首先，该节点自己的main函数intmain(intargc,char**

文章目录订阅的消息数据订阅imu原始数据的回调函数订阅后端里程计的回调函数订阅原始点云的回调函数cachePointCloud(laserCloudMsg)deskewInfo()imuDeskewInfo()odomDeskewInfo()projectPointCloud()deskewPoint()重点函数findRotation()findPosition()cloudExtraction

文章目录增加odom因子addOdomFactor()增加GPS因子addGPSFactor()添加回环因子addLoopFactor()因子图更新这部分主要是讲如何添加odom因子、gps因子、回环因子和获取优化后的信息给到下一次优化使用讲解该函数voidsaveKeyFramesAndFactor()增加odom因子addOdomFactor()第一帧时直接用imu原始给的信息，只是置信度设置

三维激光SLAM入门Lio-sam安装与运行ubuntu18.04+rosmelodic文章目录前言一、环境要求二、复现步骤1.安装ROS依赖2.安装Lio-sam3.下载给定数据集4.运行Lio-sam5

LIO-SAM成功适配自己数据集注意本文测试环境Ubuntu18.04ROSmelodic版本笔者用到的硬件以简单参数：激光雷达：速腾聚创16线激光雷达（RS-Lidar-16）IMU：超核电子CH110

因为我后面要跑lio-sam需要拿到线号ring和时间戳timestamp所以需要安装最新的

LIO-SAM从0到1运行自己的数据集前言笔者在学习LIO_SAM时踩了不少坑，在此记录从开始到最后整个踩坑过程。文中参考了很多大佬的文章，我只是个搬运工。

LIO-SAM:Tightly-coupledLidarInertialOdometryviaSmoothingandMapping作者TixiaoShan在2018年发表过LeGO-LOAM，当时他还在史蒂文斯理工学院读博士

在阅读源码的过程中，往往会遇到不知道每个回调函数是在什么时候对数据进行处理，又是如何将处理的信息传递给其他的回调函数。因此，本文旨在根据每一个类给出代码的流程图，让我们在阅读源码的过程中能后更加清晰明了的认识到这一个类在做什么，以及做了什么。会慢慢更新……1.imuPreintegration.cpp一共有两个class：1）IMUPreintegration；2）TransformFusion1

ROSkinetic+robosense16线+xsense_mti_700惯导+pcl1.9.0+gtsam4.0.2一、LIO_SAM简介论文：https://github.com/TixiaoShan/LIO-SAM

上次有一些函数没有查细节，这次接着查看第一个函数就是deskewPointthisPoint=deskewPoint(&thisPoint,laserCloudIn->points[i].time);这里面传入了当前的点以及时间戳.做的事情如下PointTypedeskewPoint(PointType*point,doublerelTime){if(deskewFlag==-1||cloudIn

目录：前言1、下载雷达仿真包2、添加雷达支架描述文件3、添加雷达描述文件4、启动仿真5、添加IMU模块6、添加RGB-D相机7、LIO-SAM仿真安装依赖安装GTSAM编译LIO-SAM运行8、源码遇到的问题

编译安装PCL-1.8对应版本VTK-7.1.1今天在编译LVI-SAM和LIO-SAM的时候都报错对‘pcl::PCLBase::setInputCloud(boost::shared_ptr#include

文章目录一、安装A-LOAM1.1安装Ceres1.2修改功能包1.2.1修改CMakeLists.txt1.2.2修改源码1.3编译A-LOAM1.4运行A_LOAM示例并保存地图1.5运行KITTI数据集二、安装LeGO-LOAM2.1安装gtsam2.2修改CMakeLists.txt2.3修改源码2.4编译LeGO-LOAM2.5运行LeGO-LOAM三、安装LIO-SAM3.1修改CMa

）设备速腾聚创16线+导远ins570d安装和运行1.安装安装就不说了，直接按照github的readme来就行：https://github.com/TixiaoShan/LIO-SAM2.雷达驱动lio-sam

LIO-SAM:经由平滑和建图实现的紧耦合激光雷达惯性里程计注意：通读文章后发现整篇文章没啥实质性的东西，慎读。。。

LIO-SAM前端点云去畸是在imageProjection.cpp中的，从main入口开始intmain(intargc,char**argv){ros::init(argc,argv,"lio_sam

之前学习VINS和LIO-SAM的时候都是代码流，不是很重视看论文，现在有空学ORB-SLAM3了，这一次，先看一下论文。考虑到边上班边学，更新的会比较慢。

测试LIO-SAM，编译期报错：error:field‘param_k_’hasincompletetype‘flann::SearchParams’查了github，把/usr/include/pcl

建图lio_sam建图，大佬代码写的一般，但是能实现功能又会写代码的人已经很牛了，地址:https://github.com/TixiaoShan/LIO-SAM导航网上有个小哥(应该是哈工大的那波人，

第一次写博客~LIOSAM作为优秀的激光slam方案，当然想尝试着运行更多数据啦，然而没有发现类似的方法分享到底如何实现，在B站看到有伙伴发布了测试视频，但是仍然没有写出方法。所以我跑通了之后记录一下关于代码层面要修改的，因为liosam要求输入的点云每个点都有ring信息和相对时间信息，目前的雷达基本具备这些信息啦，但是早期的kitti数据集不具备，所以代码要自己计算一下ring和time。方法

基于LIO-SAM的全局定位lio-sam相关博客：十一.激光惯导LIO-SLAM框架学习之LIO-SAM框架---框架介绍和运行演示_goldqiu的博客-CSDN博客十四.激光和惯导LIO-SLAM

LIO-SAM_based_relocalization是由哈尔滨工业大学GaoChao开发的基于lio-sam改版的机器人重定位系统，依赖于先验地图信息。

目录LIO-SAM:Tightly-coupledLidarInertialOdometryviaSmoothingandMappingAbstractI.IntroductionII.RelatedWorkIII.LidarInertialOdometryViaSmoothingandMappingA.SystemOverviewB.IMUPreintegrationFactorC.LidarO

目录一、Cartographer二、hdl_graph_slam三、LOAM四、LeGO-LOAM五、LIO-SAM六、livox-loam七、Livox-Mapping八、FAST-LIO2九、LVI-SAM

1.报错[lio_sam_imuPreintegration-2]时原因：库文件libmetis.so的位置不在ros的工作区。在安装GTSAM库的时候默认安装的路径为/usr/local/lib/,当启动工作空间时，运行的库查找的路径为/opt/ros/ros版本/lib/。解决：cd/usr/local/lib/sudocplibmetis.so/opt/ros/melodic【自己的ros版

激光IMU融合——LIO-Mapping/LIOM/LINS/LIO-SAM算法解析激光IMU融合——LIO-Mapping/LIOM/LINS/LIO-SAM算法解析1.LIO-Mapping1.1总体框架

LIO-SAM跑KITTI数据集和自己数据集代码修改一、编译并运行LIO-SAM二、代码修改1、cloud_info.msg2、imageProjection.cpp三、KITTI数据集准备四、自己数据集准备五

高精地图作为自动驾驶的眼睛，在自动驾驶研发中占据极大的份额，而激光SLAM则是高精地图定位导航算法的关键技术，其重要性不言而喻，在AI产品如矿卡、汽车、清扫车和扫地机器人等领域都占据一席之地。在没有激光SLAM的日子，对于机器人的控制只能以人主观为准，辅以遥控控制；而激光SLAM技术的出现彻底解决了机器人研究领域中“我在哪儿”的问题，使机器人在未知环境中的自主移动成为可能，并且随着激光雷达价格的下

环境配置说明环境配置:ubuntu18.04,ros1(ros-melodic)注:在ros1的kinetic,melodic,noetic(https://github.com/TixiaoShan/LIO-SAM

SLAM：ORB-SLAM2（必学基础）2、视觉惯性SLAM：ORB-SLAM3，VINS-Mono、VINS-Fusion3、激光/多传感器融合SLAM：Cartographer，LeGO-LOAM、LIO-SAM

3维SLAM入门LIO-SAM的安装与运行ubuntu18.04+rosmelodic1背景介绍1.1Cartographer1.2LOAM1.3LeGO-LOAM1.3LIO-SAM1.4LVI-SAM2

本文为我在浙江省北大信研院-智能计算中心-情感智能机器人实验室-科技委员会所做的一个分享汇报，现在我把它搬运到博客中。由于参与分享汇报的同事有许多是做其他方向的机器人工程师（包括硬件、控制等各方面并不是专门做SLAM的工程师），加上汇报的内容较多，因此在分享中我尽量使用简介的口语，而不出现复杂的公式。所以本文面向的是3D-slam方向的初学者，不涉及到源码解析。内容在整理中参考了许多链接，将放在最

激光SLAM论文简单导读--LOAM、VLOAM、LeGO-LOAM、LIO-SAM、LVI-SAM、LIMO、LIC-FUSION、TVL-SLAM、R2LIVE、R3LIVE时间线开篇巨作LOAM（

摘要本文提出了一个紧耦合的雷达视觉惯导SLAM系统，可以实时高精度鲁棒的进行状态估计和建图。LVI-SAM构建在因子图之上，并且由两个子系统组成：一个视觉惯导系统和一个激光惯导系统。这两个子系统利用紧耦合的方法，视觉惯导的系统利用激光惯导的估计来做初始化。视觉惯导系统利用激光雷达的测量给视觉特征提供深度来提升精度。同时激光惯导系统利用视觉惯导的估计值作为初值来做帧的匹配。利用视觉做闭环检测，把检测

B.JackalDatasetC.HandheldDataset四、总结写在前面本文参考：惊鸿一博作者简介：LVI-SAM是TixiaoShan的最新力作，TixiaoShan是Lego-loam(基于激光雷达里程计的SLAM框架)和Lio-sam

目录简介硬件环境的准备lio_sam环境准备多线激光雷达环境准备录制数据包播放数据包建图关键参数配置交流方式简介前面几篇文章介绍了多线激光雷达转单线，多线激光雷达用cartographer算法构建3D地图，这里介绍用LIO-SAM

目录二维激光SLAM学习一、激光雷达数据效果对比1、激光雷达的技术指标2、激光雷达的测试结果二、了解雷达数据1、代码解读2、结果分析3、坐标转换三、使用单线雷达实现LIO-SAM中的特征点提取1、遇到的问题

关于本身论文的原理，参见我的专栏内容：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,L

LIO-SAM:Tightly-coupledLidarInertialOdometryviaSmoothingandMapping关键词：紧耦合、惯性测量单元、平滑摘要本文提出了一种通过平滑和映射实现紧密耦合激光雷达惯性里程计的框架