Ubuntu20.04下运行LOAM系列：A-LOAM、LeGO-LOAM、LIO-SAM 和 LVI-SAM

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,/camera改成camera,/map改成map
• 将scanRegistration.cpp中的 #include <opencv/cv.h> 修改为#include <opencv2/imgproc.hpp>
• 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 <eigen3/Eigen/Dense>修改为#include <Eigen/Dense>

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" /> <!-- replace with your output folder -->
        <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 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<opencv/cv.h>，修改为

#include <opencv2/imgproc.hpp>

（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SC-LeGO-LOAM

韩国KAIST在github开源的代码，其实质上是融合了ScanContext和Lego LOAM，SC-LeGO-LOAM（地址）与LeGO-LOAM的安装基本一样，需要注意的是原作者使用的是Ouster OS-64雷达，需要更改utility.h文件中适配自己的雷达类型

3.1 雷达参数修改

（1）首先修改pointCloudTopic：

//extern const string pointCloudTopic = “/os1_points”;
extern const string pointCloudTopic = “/velodyne_points”;

（2）修改激光雷达部分参数（KITTI为例）：

// Ouster OS1-64
//extern const int N_SCAN = 64;
//extern const int Horizon_SCAN = 1024;
//extern const float ang_res_x = 360.0/float(Horizon_SCAN);
//extern const float ang_res_y = 33.2/float(N_SCAN-1);
//extern const float ang_bottom = 16.6+0.1;
//extern const int groundScanInd = 15;

// // HDL-64E
extern const int N_SCAN = 64;
extern const int Horizon_SCAN = 1800;
extern const float ang_res_x = 360.0/float(Horizon_SCAN);
extern const float ang_res_y = 41.33/float(N_SCAN-1);
extern const float ang_bottom = 30.67;
extern const int groundScanInd = 20;

3.2 编译运行

（1）编译
CMakelists、源码修改以及报错与LeGO-LOAM一样的处理

mkdir -p sc_lego_loam/src
cd sc_lego_loam/src
git clone https://github.com/AbangLZU/SC-LeGO-LOAM.git
cd …
catkin_make

（2）运行

source devel/setup.bash
roslaunch lego-loam run.launch
rosbag play --clock ***.bag

sc_lego_loam算法已经添加了自动保存地图的功能，bag包播放结束后，使用ctrl+c即可结束，地图保存在map文件夹下。

四、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

4.1 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<opencv/cv.h>，修改为

// #include<opencv/cv.h>
#include <opencv2/imgproc.hpp>

4.2 LIO-SAM的编译

cd ~/catkin_ws
catkin_make -j1  

4.3 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

• 若报错：[lio_sam_imuPreintegration-2]和[lio_sam_mapOptmization-5]，是GTSAM的问题，缺少一些库。它们已安装但不可用，因为不在 LD_LIBRARY_PATH 环境变量中。所以将 /usr/local/lib 目录添加到变量中：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib

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/"

park数据集可验证GPS松组合效果，如果要使用GPS数据，则需要进行如下修改：

gpsTopic: "odometry/gpsz"  改为 gpsTopic: "odometry/gps"  
useImuHeadingInitialization: false 改为 useImuHeadingInitialization: true

4.4 运行KITTI数据集

kitti2bag工具输出的bag文件LIO-SAM是不能跑的，IMU频率跟雷达一样很低频，无法满足代码需求，而且没有ring和time标签。LIO-SAM作者自己改了kitti2bag就在源码的文件夹LIO-SAM/config/doc/kitti2bag下，你需要准备如下文件（文件位置需对应）：

然后，在2011_09_30文件夹的上一级目录，即kitti2bag.py文件下打开终端，输入：

python3 kitti2bag.py -t 2011_09_30 -r 0033 raw_synced

运行结果（注意文件目录结构一定按照上面的要求来，否则无法运行）：

参数文件配置，主要修改以下两个文件的内容：

# params_kitti.yaml

# Topics
pointCloudTopic: "/points_raw"               # Point cloud data
imuTopic: "/imu_raw"                         # IMU data

# KITTI
sensor: velodyne                            # lidar sensor type, either 'velodyne' or 'ouster'
N_SCAN: 64                                  # number of lidar channel (i.e., 16, 32, 64, 128)
Horizon_SCAN: 2083                          # lidar horizontal resolution (Velodyne:1800, Ouster:512,1024,2048)
downsampleRate: 1                           # default: 1. Downsample your data if too many points. i.e., 16 = 64 / 4, 16 = 16 / 1
lidarMinRange: 1.0                          # default: 1.0, minimum lidar range to be used
lidarMaxRange: 1000.0                       # default: 1000.0, maximum lidar range to be used

# IMU内参影响不大，这里也没改

# kitti外参
# extrinsicTrans、extrinsicRot表示imu -> lidar的坐标变换
extrinsicTrans: [-8.086759e-01, 3.195559e-01, -7.997231e-01]
extrinsicRot: [9.999976e-01, 7.553071e-04, -2.035826e-03,
               -7.854027e-04, 9.998898e-01, -1.482298e-02,
               2.024406e-03, 1.482454e-02, 9.998881e-01]
# extrinsicRPY用于旋转imu坐标系下的欧拉角（姿态信息）到lidar坐标下，由于lio-sam作者使用的imu的欧拉角旋转指向与lidar坐标系不一致（左手系），因此使用了两个不同的旋转矩阵，但是大部分的设备两个旋转应该是设置为相同的
extrinsicRPY: [9.999976e-01,  7.553071e-04, -2.035826e-03,
               -7.854027e-04, 9.998898e-01, -1.482298e-02,
               2.024406e-03, 1.482454e-02, 9.998881e-01]

	<!-- run_kitti.launch -->
	<!-- Parameters -->
    <rosparam file="$(find lio_sam)/config/params_kitti.yaml" command="load" />

运行：

roslaunch lio_sam run.launch
rosbag play kitti_2011_09_30_drive_0033_synced.bag

五、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

5.1 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)

5.2 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);

5.3 运行

运行launch文件:

roslaunch lvi_sam run.launch

• 若报错：[lvi_sam_imuPreintegration-5]和[lvi_sam_mapOptmization-8]，与LIO-SAM解决办法一样

播放数据包：

rosbag play handheld.bag

注意：所提供的示例bag文件中的图像均为压缩格式。因此，launch/include/module_sam.launch的最后一行有解压缩命令：

<!-- Image conversion -->
<node pkg="image_transport" type="republish" name="$(arg project)_republish" args="compressed in:=/camera/image_raw raw out:=/camera/image_raw" output="screen" respawn="true"/>

如果你自己的bag文件记录了原始图像数据，请注释此解压缩命令。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。