| 3D激光SLAM总结及A | 您所在的位置：网站首页 › slam激光导航和3d slam区别 › 3D激光SLAM总结及A |
3D激光SLAM总结及A
|
文章目录
一、三维激光SLAM总结1.LOAM：Lidar Odometry and Mapping in Real-time2.LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain .3.LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping
二、LIO-SAM算法安装1.环境配和搭建2.lio-sam安装并运行3.ALIOM安装及运行4.解决编译报错的问题：
提示：以下是本篇文章正文内容，下面案例可供参考 一、三维激光SLAM总结 1.LOAM：Lidar Odometry and Mapping in Real-timeLOAM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。 LOAM存在的问题： 没有回环检测；计算时间复杂度较高，基于三维空间中的位姿进行优化；户外可能受到各种噪声影响，例如树上摇晃的树叶，地上的杂草。而这些点未必会重复出现在前后两帧激光中。而错误的特征点将会影响位姿精度。LOAM需要提取平面点和边缘点，由于车体上下颠簸，竖直维度提取的平面点很容易造成误差。 2.LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain .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。 Lego-LOAM的contribution：1.着重于解决一些非城市化道路或非平整道路上LOAM存在的问题。2.轻量化，改进算法，使其在TX2上也可以实时运行。 Lego-LOAM有一个显著的缺陷——依赖地面。 3.LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and MappingLIO-SAM是TixiaoShan在2020年IROS发表的Lego-LOAM续作。 实际上也是Lego-LOAM的扩展版本，添加了IMU预积分因子和GPS因子。
Odometry 以IMU的frequency（要收到雷达里程计信息后才发出），这样前端频率更高； IMU odometry提供初始估计值并做了预积分处理，同时IMU原始数据进行雷达进行运动补偿； 后端因子图优化包括四个因子，IMU预积分结合雷达里程计的帧间约束因子在预积分节点维护，其他三个在后端节点维护，分别是GPS因子、雷达里程计因子和回环检测因子。 紧耦合：IMU的零偏可以被估计，利用雷达里程计的帧间约束进行反馈，使IMU解算更加准确，提供更好的初值。 二、LIO-SAM算法安装 1.环境配和搭建运行环境ubuntu18.04和ROS(melodic) 依赖1：下载GTSAM（也可以在github里面直接下载） wget -O ~/Downloads/gtsam.zip 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 -j4
安装过程若出现编译报错时，需将build文件删除，重新编译。 依赖2：下载Ceres（也可以在github里面直接下载） sudo apt-get install -y libgoogle-glog-dev sudo apt-get install -y libatlas-base-dev wget -O ~/Downloads/ceres.zip https://github.com/ceres-solver/ceres-solver/archive/1.14.0.zip cd ~/Downloads/ && unzip ceres.zip -d ~/Downloads/ cd ~/Downloads/ceres-solver-1.14.0 mkdir ceres-bin && cd ceres-bin cmake ..
1. 下载源代码：（也可以在github里面直接下载） cd ~/slam_ws/src git clone https://ghproxy.com/https://github.com/TixiaoShan/LIO-SAM.git cd .. catkin_make这里如果编译不通过，应该是环境配置问题，或者库版本问题 makdir -p ~/catkin_ws/src cd ~/slam_ws catkin_make echo "source ~/slam_ws/devel/setup.bash" >> ~/.bashrc source ~/.bashrc2. 进行lio-sam算法 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 运行launch文件并播放数据包 roslaunch lio-sam run.launch 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. 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。 最后打开最终点云地图 再次roslaunch lio-sam，等待bag跑完全程，系统会自动生成一个1210.pcd文件，这就是最终的点云地图。 pcl_viewer 1210.pcd 3.ALIOM安装及运行 ALIOM安装 cd ~/slam_ws/src git clone https://github.com/HKUST-Aerial-Robotics/A-LOAM.git cd .. catkin_make source ~/.bashrc使用NSH indoor outdoor数据集运行项目 nsh_indoor_outdoor.bag下载地址 链接: https://pan.baidu.com/s/1psN_qIht28uyyks5AVnhmA密码: tec7 使用Kitti数据集运行项目 Kitti数据下载路径（请将以下文件下载下来） 链接: https://pan.baidu.com/s/1ruXQ0pfifktpoU-Fr_x0QQ 密码: o2jl 只放入kitti数据集中的序列号为00的部分，包括 data_odometry_gray data_odometry_poses data_odometry_velodyne 全量数据集请自行下载 数据集目录结构（以下只放入序列为00的部分） data_odometry ├── results（放入ground_truth即data_odometry_poses） ├── sequences（放入灰度图data_odometry_gray） │…└── 00 │…├── image_0 │…└── image_1 └── velodyne（放入点云data_odometry_velodyne） …└── sequences … └── 00 … └── velodyne修改kitti_helper.launch文件 以下为例，主要修改项为： 将dataset_folder修改为数据集目录位置 自行决定将to_bag是否修改为true，若为true则会打包生成数据集的bag文件 将output_bag_file修改为要输出的bag文件路径 ALIOM运行 #16线激光雷达 roslaunch aloam_velodyne aloam_velodyne_VLP_16.launch rosbag play YOUR_DATASET_FOLDER/nsh_indoor_outdoor.bag #64线激光雷达 roslaunch aloam_velodyne aloam_velodyne_HDL_64.launch roslaunch aloam_velodyne kitti_helper.launch 4.解决编译报错的问题：1.安装Ceres 出现Can’t find Google Log (glog). 需要安装glog， https://github.com/google/glog/releases/tag/v0.4.0 先从Github下载源码，然后解压进入文件夹，命令行敲下： mkdir build cd build cmake .. sudo make install -j4然后重新编译ceres，发现编译通过了。 2.编译LVI-SAM源码出现错误：GTSAM was built against a different version of Eigen. 因为GTSAM的eigen版本跟系统版本冲突了，需要修改GTSAM的eigen依赖库的版本，改为系统的eigen。 在CMakeLists.txt文件中if(GTSAM_USE_SYSTEM_EIGEN)前面添加如下代码： set(GTSAM_USE_SYSTEM_EIGEN ON)，重新编译就可以了。 |
LOAM使用多传感器（三维激光、IMU、GPS）融合的方法，利用因子图优化，计算位姿； 特点：
【本文地址】