| 开源自主导航小车MickX4（八）LeGo | 您所在的位置：网站首页 › 乐高 雷达车 › 开源自主导航小车MickX4（八）LeGo |
开源自主导航小车MickX4（八）LeGo
|
开源自主导航小车MickX4（八）LeGo-LOAM 室外3D建图
1 安装 LeGO-LOAM1.1安装依赖项
2 运行 LeGO-LOAM2.1 运行论文demo2.2 修改配置文件2.3 运行自己的bag包2.4 地图保存
3 大范围场景测试3.1 路线13.2 路线24 小结参考资料
1 安装 LeGO-LOAM
LeGO-LOAM [1] 需要依赖 ROS 环境 和 gtsam 1.1安装依赖项step1 安装 gtsam wget wget -O ~/software/gtsam.zip https://github.com/borglab/gtsam/archive/4.0.0-alpha2.zip cd ~/software && unzip gtsam.zip -d ~/software/ cd ~/software/gtsam-4.0.0-alpha2/ mkdir build && cd build cmake .. sudo make installstep2 安装 下载编译源码 cd ~/catkin_ws/src git clone https://github.com/RobustFieldAutonomyLab/LeGO-LOAM.git cd .. catkin_make -j1这两步基本没有很大的问题，按照作者给出的指令即可安装成功。 2 运行 LeGO-LOAM 2.1 运行论文demoLeGO-LOAM 坐在提供了一些bag包，可以通过这些bag包检测我们安装的环境是否正确，还可以查看以下 LeGO-LOAM 的建图效果。 step1 启动 LeGO-LOAM roslaunch lego_loam run.launchstep2 播放bag包， bag可以在作者的github上[1]下载（可能会很慢），也可以在我们的百度云里面下载。 rosbag play lego-loam-demo-2017-06-08-15-49-45_0.bag --clock --topic /velodyne_points /imu/data 2.2 修改配置文件在使用速腾16线类雷达的时候注意修改 launch 文件 和 utility.h 配置文件。 LeGO-LOAM 不需要里程计 且 IMU 也不是必须的。 step1 创建 launch 文件 mickx4.launch filter_field_name: z filter_limit_negative: True filter_field_name: x filter_limit_negative: True filter_field_name: y filter_limit_negative: True中间的 “ Run a passthrough filter to clean NaNs ”段是为了去除 速腾16线的激光雷达的 NaN 点[2] 。 step2 修改 utility.h 文件 在LeGO-LOAM/LeGO-LOAM/include文件夹的 utility.h 文件中, useCloudRing false extern const bool useCloudRing = false;因为Velodyne的雷达单独有一个ring通道 [3]，而robosense的雷达好像并没有,在代码中可以将这一功能关闭。如不修改启动的时候会报错 测试时报错:Failed to find match for field ‘ring’ 运行作者提供的数据包的视频（作者提供的额数据包在github上可以下载，也可以在这个链接里面下载 （提取码：yd1o ）） LeGO-LOAM-3D 建图 Demo 2.3 运行自己的bag包启动 LeGO-LOAM roslaunch lego_loam mickx4.launch运行bag ,我们自己录制的bag可以在这个链接里面下载 （提取码：yd1o ） rosbag play mick_2021-01-28-10-03-01.bag --clock --topic /rslidar_points /imu/data点云输出在 /laser_cloud_surround Topic上 PointCloud2类型， 可以通过第三方脚本进行保存。 下面是在实验室门口外运行的视频，场景属于室外小范围场景 LeGO-LOAM-3D mapping owith MickX4 -小范围场景
LeGO-LOAM 的点云地图是发布在 /laser_cloud_surround 这个话题上的，在这篇博客[7]中提供了一种方法就是记录这个topic上的数据，然后利用 pcl_ros 包进行转换。 step1: 记录话题 /laser_cloud_surround 数据,这个可以在快结束的时候录制 rosbag record -o lego-loam-out /laser_cloud_surroundstep2: 把 lego-loam-out* 这个bag的话题上的数据存为pcd文件 rosrun pcl_ros bag_to_pcd lego-loam-out_2021-02-01-17-01-06.bag /laser_cloud_surround test这时候会在你的目录下生成一个test目录，然后里面会有很多个pcd文件，选最后一个就是最新的点云地图了
第一个场景是围绕我们学校的主教楼转了一圈，大约有1公里，最后回环没有回上，我只保留了效果较好的一部分地图。地图在有结构化的场景中建图效果是比较好的，在操场边那个地方停有很多的车，其环境比较空旷。在这种情况下感觉估计的位姿就不准了，导致后面的点云有重影 roslaunch lego_loam mickx4.launch rosbag play mick_2021-02-01-15-43-14.bag --clock --topic /rslidar_points /imu/dataLeGO-LOAM-大范围场景-1KM 
3.2 路线2
第一个场景是围绕我们学校的几个楼之间转了一圈，大约有1.5公里。这个场景中大部分都是沿着公路走的，公路旁边都是建筑物和数，整体的定位效果很好，走一圈下来位置也没差多远，估计有个2M左右。 roslaunch lego_loam mickx4.launch rosbag play mick_2021-02-01-15-22-28.bag --clock --topic /rslidar_points /imu/dataLeGO-LOAM-大范围场景-1.5KM
这里运行的环境还是前几篇博客中的场景, 从我自己测试的结果来看 LeGO-LOAM 在 3D 环境下建图效果要优于 Cartographer。博客中使用的代码和launch文件可以在Github[8].下载 关于 LeGO-LOAM 的计算原理和模型可以参考博客[4] 。 此外LeGO-LOAM 还有一个升级版 LIO-SAM，效果比LeGO-LOAM更加好。 LeGO-LOAM 没有地图保存、重定位和回环检测的功能，地图保存这个比较简单，可以通过自己写一个节点保存点云，但是重定位的功能就不太容易了。 有需要 大范围场景测试 中的两个录制的bag的同学，可在评论区留下邮箱。（记得来一波点赞加关注哦） 参考资料[1] https://github.com/RobustFieldAutonomyLab/LeGO-LOAM [2] https://blog.csdn.net/heirenlop/article/details/111475684 [3] https://blog.csdn.net/weixin_39754100/article/details/112186264 [4] https://blog.csdn.net/try_again_later/article/details/105367531 [5] https://arxiv.org/abs/2007.00258 [6] https://github.com/TixiaoShan/LIO-SAM [7] https://blog.csdn.net/qq_36396941/article/details/83048415 [8] https://github.com/RuPingCen/mick_robot/tree/master/SLAM/LeGO-LOAM/LeGO-LOAM 上一篇：开源自主导航小车MickX4（七）cartographer 室外3D建图 下一篇：开源自主导航小车MickX4（九）基于move_base 的自主导航框架 欢迎大家点赞在评论区交流讨论（[email protected]） O(∩_∩)O 或者加群交流（1149897304） |
【本文地址】