LEGO-LOAM安装指南（建图）

1. 依赖

1.1 安装ROS

1.2 安装gtsam

1.2.1 下载gtsam

$ cd ~
$ git clone https://bitbucket.org/gtborg/gtsam.git

1.2.2 编译

$ cd ~/gtsam
$ mkdir build
$ cd build
$ cmake ..
$ make install

2. 下载并编译LeGO-LOAM

$ mkdir -p ~/catkin_ws/src
$ cd ~/catkin_ws/src
$ git clone https://github.com/RobustFieldAutonomyLab/LeGO-LOAM.git
$ cd ..
$ catkin_make -j1

3. 运行

3.1 运行 launch 文件

$ roslaunch lego_loam run.launch

注意：参数“/ use_sim_time”，对于模拟则设置为“true”，对于使用真实机器人则设置为“false”。

3.2 播放bag文件

$ rosbag play *.bag --clock --topic /velodyne_points /imu/data

可从此处下载一些样例bag。

-----------------------

对于LEGO-LOAM的一些理解

1. imageProjection图像投影

1.1 首先检测地面,通过前后两个环上同角度的点,计算z方向的夹角,小于10度就是地面点 1.2 点云分割的时候,计算每个点周围四个点,如果夹角小于30度,且具有一定数目,则可以认为这个点可以认为是特征点(主要是面和线)

2. featureAssociation特征提取

2.1 计算每隔五个点的曲率,然后按照曲率大小来区别特征点是面还是线 2.2 然后寻找点云中的面特征和线特征,然后使用点对面特征和线特征做位置变换计算,并融入IMU信息

3. mapOptmization图优化

3.1 提取关键帧(机器人的位姿点),并保存关键帧周围的点云 3.2 使用现有地图与最新扫描点云进行配准,精确计算机器人位姿(过程与里程计类似,计算点线,点面距离) 3.3 saveKeyFramesAndFactor()根据更新后的机器人位姿更新位姿图 3.4 loopClosureThread()是以1Hz在后台进行回环检测,如果检测成功就对当前点云和关键帧点云进行ICP,更新回环检测后的位姿图

4. transformFusion位姿融合

4.1 使用/laser_odom_to_init卡尔曼粗定位 4.2 使用/aft_mapped_to_init卡尔曼精定位