从0.3开始搭建LeGO-LOAM+VLP雷达+小车实时建图（保姆级教程，小白踩坑日记）

背景：SLAM小白，因为项目需要花了两天时间编译代码+连接雷达实现了交互。

踩了很多坑，简单记录一下，让后面感兴趣的朋友少走点弯路~ 肯定有很多不专业的、错误的地方，还请大家不吝赐教（噗通）

也可以见知乎：https://zhuanlan.zhihu.com/p/357020888/ （我发现从知乎复制内容到CSDN特别方便啊）未完待续惹

主要分为5个部分：

编译算法前的准备（对应目录第1-4章）
编译SLAM算法 LeGO-LOAM-BOR （对应目录第5章）
编译SLAM算法 LeGO-LOAM和跑包（对应目录第6-7章）
连接Velodyne激光雷达 VLP-16 （对应目录第8章）
基于小车的实时建图（对应目录第9-10章）

1. 安装 ROS

2. 安装 OpenCV

3. 安装 GTSAM (Georgia Tech Smoothing and Mapping library, 4.0.0-alpha2)

4. 安装 PCL

5. 重头戏来了！编译 LeGO-LOAM-BOR

6. 跑包，在数据集上进行测试

7 删除LeGO-LOAM-BOR，重新下载编译LeGO-LOAM

8 与Velodyne VLP-16 三维激光雷达连接

9 实时建图：算法和雷达交互

10 小车及大范围场景的实时建图

参考文献

源代码github：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM/

优化版本的代码：https://github.com/facontidavide/LeGO-LOAM-BOR/tree/speed_optimization

硬件设备：Intel NUC 10代i7（NUC10i7FNH）

软件系统：Ubuntu 16.04

如果要正确编译、运行算法，相关依赖库必须准确、完整安装好，要不然会各种报错，绕路踩坑。下面对相关依赖库安装流程简要叙述。观察CMakeLists.txt，主要需要以下几个库：

find_package(GTSAM REQUIRED QUIET)
find_package(PCL REQUIRED QUIET)
find_package(OpenCV REQUIRED QUIET)

当然，还有必须要的ROS。

1. 安装 ROS

机器预先已装 ROS-kinetic，具体安装过程这里不再赘述。

2. 安装 OpenCV

机器预先已装 OpenCV 4.3.0，具体安装过程这里不再赘述。

测试是否安装正确：

转到~/opencv-4.3.0/samples/cpp/example_cmake 目录下，打开终端，输入：

cmake .
make
./opencv_example

如果右上角，弹框出现 Hello OpenCV 则证明安装成功，如下图：

3. 安装 GTSAM (Georgia Tech Smoothing and Mapping library, 4.0.0-alpha2)

参考https://github.com/RobustFieldAutonomyLab/LeGO-LOAM/中Dependency

wget -O ~/Downloads/gtsam.zip https://github.com/borglab/gtsam/archive/4.0.0-alpha2.zip
cd ~/Downloads/ && unzip gtsam.zip -d ~/Downloads/
cd ~/Downloads/gtsam-4.0.0-alpha2/
mkdir build && cd build
cmake ..
sudo make install

正在编译

安装完成示意

4. 安装 PCL

一开始没有注意要安装PCL，直接尝试编译LeGO-LOAM，发现无法通过编译，报错

Invoking "cmake" failed

或者

Invoking "make cmake_check_build_system" failed

后来才发现，需要安装PCL （捂脸）

PCL Address: https://github.com/PointCloudLibrary/pcl

4.1 首先提前安装PCL需要的各种依赖包

 sudo apt-get updatesudo apt-get install git build-essential linux-libc-devsudo apt-get install cmake cmake-gui sudo apt-get install libusb-1.0-0-dev libusb-dev libudev-devsudo apt-get install mpi-default-dev openmpi-bin openmpi-common sudo apt-get install libflann1.8 libflann-devsudo apt-get install libeigen3-devsudo apt-get install libboost-all-devsudo apt-get install libvtk5.10-qt4 libvtk5.10 libvtk5-devsudo apt-get install libqhull* libgtest-devsudo apt-get install freeglut3-dev pkg-configsudo apt-get install libxmu-dev libxi-dev sudo apt-get install mono-completesudo apt-get install qt-sdk openjdk-8-jdk openjdk-8-jre

PCL可视化相关函数库安装

sudo apt-get install libopenni-dev
sudo apt-get install libopenni2-dev

（有的教程表示 Boost >= 1.43，CMake >= 2.6，at least gcc 4.7.3 on Linux，so，装过的朋友尽量装新版的API。）

4.2 从Github上clone PCL源码

 git clone https://github.com/PointCloudLibrary/pcl.git

4.3 编译PCL

  cd pclmkdir releasecd releasecmake -DCMAKE_BUILD_TYPE=None -DCMAKE_INSTALL_PREFIX=/usr \-DBUILD_GPU=ON -DBUILD_apps=ON -DBUILD_examples=ON \-DCMAKE_INSTALL_PREFIX=/usr ..make

4.4 安装

sudo make install

4.5 在自己的代码里，测试PCL点云显示（这步非常关键！）

测试代码pcl_test.cpp：

#include <iostream>
#include <pcl/common/common_headers.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/console/parse.h>int main(int argc, char **argv) {std::cout << "Test PCL !!!" << std::endl;pcl::PointCloud<pcl::PointXYZRGB>::Ptr point_cloud_ptr (new pcl::PointCloud<pcl::PointXYZRGB>);uint8_t r(255), g(15), b(15);for (float z(-1.0); z <= 1.0; z += 0.05){for (float angle(0.0); angle <= 360.0; angle += 5.0){pcl::PointXYZRGB point;point.x = 0.5 * cosf (pcl::deg2rad(angle));point.y = sinf (pcl::deg2rad(angle));point.z = z;uint32_t rgb = (static_cast<uint32_t>(r) << 16 |static_cast<uint32_t>(g) << 8 | static_cast<uint32_t>(b));point.rgb = *reinterpret_cast<float*>(&rgb);point_cloud_ptr->points.push_back (point);}if (z < 0.0){r -= 12;g += 12;}else{g -= 12;b += 12;}}point_cloud_ptr->width = (int) point_cloud_ptr->points.size ();point_cloud_ptr->height = 1;pcl::visualization::CloudViewer viewer ("test");viewer.showCloud(point_cloud_ptr);while (!viewer.wasStopped()){ };return 0;
}

CMakeLists.txt文件

cmake_minimum_required(VERSION 2.6)
project(pcl_test)find_package(PCL 1.2 REQUIRED)include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})add_executable(pcl_test pcl_test.cpp)target_link_libraries (pcl_test ${PCL_LIBRARIES})install(TARGETS pcl_test RUNTIME DESTINATION bin)

将pcl_test.cpp和CMakeLists.txt放在同一个文件夹下，如下图（具体文件夹没有要求）

执行：

cmake .
make
./pcl_test

4.6 然后报错：o(╥﹏╥)o 这个错误还是很常见的

bug: fatal error: pcl/visualization/pcl_visualizer.h: No such file or directory

这就体现了，运行测试代码的重要性，之前编译PCL都没有任何问题。

错误的原因是：没有正确安装好PCL库，PCL库的可视化需要依赖VTK库，所以如果没有提前装VTK，就会遇到这个问题。

解决方法：先装VTK和其他依赖包，再装PCL。（仔细一想，我是没有装VTK，惹）

4.7 安装VTK

4.7.1 在按照VTK之前，要安装依赖库X11，OpenGL和CMake-gui

首先安装X11

 sudo apt-get install libx11-dev libxext-dev libxtst-dev libxrender-dev libxmu-dev libxmuu-dev

安装OpenGL

sudo apt-get install build-essential libgl1-mesa-dev libglu1-mesa-dev

安装 CMake-gui

sudo apt-get install cmake cmake-gui

4.7.2 下载VTK源代码

下载链接：https://www.vtk.org/download/

PCL和VTK可能存在版本需求，截止安装日2020年3月9日，PCL官网版本为1.11，（可以在/usr/include中寻找自己的PCL版本。）这里我下载的VTK版本是7.1.1，选择下图中的，VTK-7.1.1.tar.gz，下载完成后解压缩到文件夹中，自定义安装目录。（亲测可以使用。具体对应关系还不清楚惹。）

4.7.3 安装VTK

(1) 终端输入下指令，启动cmake-gui；

cmake-gui

(2) 设置where is the source code：的路径为文件夹VTK-7.1.1所在路径，如这里是/home/js/VTK-7.1.1；

(3) 设置where to build the binaries：的路径为/home/js/VTK-7.1.1/build，即在/home/VTK-7.1.1的路径下新建文件夹build；如下图

(4) 点击“Configure”，在弹出对话框中选择“Current Generator”为“Unix MakeFiles”，完成之后会提示“Configuring done”；

(5) 然后在里面勾选“VTK_GROUP_Qt”选项，再次点击“Configure”按钮，若提示警告信息，需要设置Qt安装路径，则设置路径后，再次点击“Configure”按钮；

(6) 提示“Configure done”，点击“Generate”按钮，在vtk_build会生成工程文件，完成之后会提示“Generating done”，如下图

(7) cd到vtk目录下的build文件夹，若没有则在使用$mkdir build来创建

(8) 终端输入，编译和安装

sudo make
sudo make install

至此，VTK安装完成！

4.8 卸载PCL

因为之前装了错误的PCL，所以需要卸载掉PCL，再重新安装。

终端内输入

sudo rm -r /usr/include/pcl-1.11 /usr/share/pcl-1.11 /usr/bin/pcl* /usr/lib/libpcl*
sudo apt-get remove libpcl-dev pcl-tools

即可。

4.9 重新安装PCL

因为已经安装好了依赖包，所以无需重新安装。重复4.2~4.4即可。

4.10 测试PCL

重复4.5步骤，此时不再显示错误，显示如下图形！

如果一开始不显示圆环（可能是一个矩形块）也不要紧，缩小即可见到。

PCL-1.11, VTK-7.1.1，Yes！

5. 重头戏来了！编译 LeGO-LOAM-BOR

因为一开始编译LeGO-LOAM出错，所以这次装一下优化版本LeGO-LOAM-BOR，希望不出错（事实证明只是我一厢情愿罢了）。

执行：

cd ~/catkin_ws/src
git clone https://github.com/facontidavide/LeGO-LOAM-BOR.git
cd ..
catkin_make

呃，非常抱歉，还是没有编译成功。

5.1 出错1

报错：

Invoking "cmake" failed
pip install -U rosdep rosinstall_generator wstool rosinstall six vcstools
Invoking "make cmake_check_build_system" failed
-- Could NOT find cv_bridge (missing: cv_bridge_DIR)

cv_bridge 是opencv和ros连接起来的桥，这个意思就是ROS缺少了cv_bridge，下面提供解决方案。

5.1.1 下载cv_bridge

git clone https://github.com/ros-perception/vision_opencv.git

5.1.2 找到下载文件地址，将vision_opencv中的cv_bridge/拿出来，放到工作空间(catkin_wa/src)中，编译：

cd ~/catkin_ws/src/cv_bridge
mkdir build
cd build
cmake ..
make
sudo make install

(1) 很不幸，编译不通过，报错：

Boost include path: /usr/include
Could not find the following Boost libraries:
boost_python37
No Boost libraries were found. You may need to set BOOST_LIBRARYDIR to the
directory containing Boost libraries or BOOST_ROOT to the location of Boost.

这个意思是，电脑里找不到boost_python37库，这个原因可能是装了其他的python版本。导致命名出现问题。

解决方案：进入/usr/lib/x86_64-linux-gnu文件夹中查看相关boost_python库，如图所示，发现没有boost_python37的相关库，只有python-py35的库。

我们要建立python-py35到python-py37的软连接。如果没找到python-py35而是找到了python-py3x（x为数字，可能为6，对应python3.6版本；可能为7，对应python3.7版本或者其他数字），解决方案相同，建立软连接即可。

即 py35.s0 -> py37.so py35.a -> py37.a，打开终端，输入

cd /usr/lib/x86_64-linux-gnu/
sudo ln -s libboost_python-py35.so libboost_python37.so
sudo ln -s libboost_python-py35.a libboost_python37.a

5.1.3 重新编译cv_bridge，重复(2)中操作

编译成功啦！

5.2 出错2

然后我们重新编译LeGO-LOAM-BOR，继续报错：

Could not find a package configuration file provided by "pcl_ros" with any of the following names:
pcl_rosConfig.cmake
pcl_ros-config.cmake

这个好解决，缺少pcl-ros

打开终端输入

sudo apt-get install ros-kinetic-pcl-ros

安装pcl-ros。

5.3 出错3

然后我们重新编译LeGO-LOAM-BOR，继续报错：

CMake Error at /home/js/catkin_ws/devel/share/ddynamic_reconfigure/cmake/ddynamic_reconfigureConfig.cmake:113 (message):Project 'ddynamic_reconfigure' specifies'/home/js/catkin_ws/src/ddynamic_reconfigure-kinetic-devel/include' as aninclude dir, which is not found. It does neither exist as an absolute
directory nor in

这个问题是缺少ddynamic_reconfigure

我们打开终端输入

sudo apt-get install ros-kinetic-ddynamic-reconfigure

安装ddynamic-reconfigure，然后将文件夹复制到catkin_ws/src中，如下图

5.4 出错4

然后我们重新编译LeGO-LOAM-BOR，继续报错：

make 66%时错误

error: return-statement with no value, in function returning ‘int’ [-fpermissive]
efine import_array() {if (_import_array() < 0) {PyErr_Print(); PyErr_SetString(PyExc_ImportError, "numpy.core.multiarray failed to import"); return NUMPY_IMPORT_ARRAY_RETVAL; } }
note: in definition of macro ‘import_array’
efine import_array() {if (_import_array() < 0) {PyErr_Print(); PyErr_SetString(PyExc_ImportError, "numpy.core.multiarray failed to import"); return NUMPY_IMPORT_ARRAY_RETVAL; } }
src/CMakeFiles/cv_bridge_boost.dir/build.make:62: recipe for target 'src/CMakeFiles/cv_bridge_boost.dir/module.cpp.o' failed
make[2]: *** [src/CMakeFiles/cv_bridge_boost.dir/module.cpp.o] Error 1
CMakeFiles/Makefile2:930: recipe for target 'src/CMakeFiles/cv_bridge_boost.dir/all' failed
make[1]: *** [src/CMakeFiles/cv_bridge_boost.dir/all] Error 2
Makefile:140: recipe for target 'all' failed
make: *** [all] Error 2

解决方法是，修改/home/js/catkin_ws/src/cv_bridge/src/module.hpp（根据自己的路径），将最后一段（36～40）行改为

static void do_numpy_import( )
{import_array( );
}

5.5 然后我们重新编译LeGO-LOAM-BOR，终于成功了！！

catkin_make

6. 跑包，在数据集上进行测试

6.1 针对LeGO-LOAM-BOR方法，在数据集上进行测试。

数据集地址：

https://github.com/TixiaoShan/Stevens-VLP16-Datasetgithub.com

https://github.com/RobustFieldAutonomyLab/jackal_dataset_20170608github.com

下载数据集，然后在catkin_ws中新建dataset文件夹，保存数据包，打开终端输入

cd ~/catkin_ws
mkdir dataset

然后拷贝数据包，如下图。

其中，nsh_indoor_outdoor.bag有国内百度网盘链接，提取码：l5rl

https://pan.baidu.com/s/1UswMElc81AKY8hnpmkjnrApan.baidu.com

打开终端，输入

roslaunch lego_loam_bor run.launch rosbag:=~catkin_ws/dataset/nsh_indoor_outdoor.bag lidar_topic:=/velodyne_points imu_topic:=/imu/data

其中，~catkin_ws/dataset/nsh_indoor_outdoor.bag 为数据集绝对路径，也可以cd进数据集文件夹，输入相对路径。其中，/imu/data是可选的

但是，很遗憾，失败了，提示无法打开数据包。

6.2 针对LeGO-LOAM-BOR方法，实时建图。

也不知道这个方法啥原因，我决定再试试给个机会，基于VLP雷达实时建图试试。

（1）首先要修改run.launch，可以另存为run1.launch：

<launch><!--- Sim Time --><param name="/use_sim_time" value="false" /><!--- Run Rviz--><node pkg="rviz" type="rviz" name="rviz" args="-d $(find lego_loam_bor)/launch/test.rviz" /><!--- TF --><node pkg="tf" type="static_transform_publisher" name="camera_init_to_map"  args="0 0 0 1.570795   0        1.570795 /map    /camera_init 10" /><node pkg="tf" type="static_transform_publisher" name="camera_to_base_link" args="0 0 0 -1.570795 -1.570795 0        /camera /base_link   10" /><!--- 根据雷达和小车相对位置确定 --><node pkg="tf" type="static_transform_publisher" name="base_link_to_velodyne" args="0 0 0 0 0 0      /base_link  /velodyne 10" />  <!--- LeGO-LOAM    <arg name="rosbag"  default=""/><arg name="imu_topic" default="/imu/data"/><arg name="lidar_topic" default="/velodyne_points"/>--> <rosparam file="$(find lego_loam_bor)/config/loam_config.yaml" command="load"/><node pkg="lego_loam_bor" type="lego_loam_bor"    name="lego_loam_bor"    output="screen" >
<!--<remap from="/lidar_points" to="$(arg lidar_topic)"/><remap from="/imu/data" to="$(arg imu_topic)"/><param name="rosbag"      value="$(arg rosbag)" type="string" /><param name="imu_topic"   value="$(arg imu_topic)" type="string" /><param name="lidar_topic" value="$(arg lidar_topic)" type="string" /><remap from="/imu/data" to="/imu"/>
--> <remap from="/lidar_points" to="/velodyne_points"/></node></launch>

（2）启动Velodyne16激光雷达

roslaunch velodyne_pointcloud VLP16_points.launch

（3）启动LeGO-LOAM-BOR

roslaunch lego_loam_bor run1.launch

可以正常启动，但是建图效果十分怪异，无法进行旋转，只是一个二维的，不给机会了，换回原来的方法！

7 删除LeGO-LOAM-BOR，重新下载编译LeGO-LOAM

7.1 编译LeGO-LOAM

我怀疑可能是LeGO-LOAM-BOR算法的问题，也有可能是我的问题。不管了，我准备卸载掉LeGO-LOAM-BOR，重新编译LeGO-LOAM。

搜索LeGO-LOAM-BOR，将所有与LeGO-LOAM-BOR相关的文件、文件夹都删去

因为LeGO-LOAM-BOR和LeGO-LOAM需要的依赖库相同，所以无需重复安装依赖库，直接下载编译即可。

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

编译完成示意图：

7.2 跑包，在数据集上进行测试LeGO-LOAM

打开终端输入

roslaunch lego_loam run.launch

cd到数据集文件夹下面，重新开启一个终端，输入

rosbag play --clock nsh_indoor_outdoor.bag

或者是

rosbag play nsh_indoor_outdoor.bag --clock --topic /velodyne_points /imu/data

（也可以输入数据集绝对路径）

即可看到数据集运行效果

也可以更换数据集，

rosbag play --clock 1.bag

其他数据集加载方式完全相同。

8 与Velodyne VLP-16 三维激光雷达连接

VLP-16与计算机采用网线连接，而不是2D雷达多采用USB连接。

此时，出现了一个问题，终端输入ifconfig，找不到有限网卡，只有lo，无线网卡，并没有表示eth0等的有限网卡。

8.1 尝试重新装有限网卡驱动

尝试了重新装有限网卡驱动，首先

lspci | grep -i net.

找网络控制器，lspci. 找所有硬件设备，很抱歉，一串字母，我也不知道这个设备是什么网卡。如果有了解这个啥意思的欢迎留言告诉~

查阅了网上的资料，应该是I219-V网卡，对应的驱动型号是e1000e。从

Download Intel® Network Adapter Driver for PCIe* Intel® Gigabit Ethernet Network Connections under Linux*downloadcenter.intel.com

下载了网卡驱动，直接下载点击安装即可。

下载了两个版本：3.8.4和3.5.1，进行安装。

但是，并没有work，无法安装上有限网卡驱动，我怀疑是有限网卡驱动已经安装了。

8.2 尝试重新启动网络管理服务

该操作针对有线连接图标不见，ifconfig查看也无网卡的情况。

但是，并没有work，可能是由于这个解决方案是针对有线连接的图标不见的情形，并不是现在遇到的现在的找不到有限网卡的情形。

8.3 尝试更新系统内核

查阅了网上资料，有人也遇到同样的问题，他通过更新内核解决了，我于是也是尝试更新一下。

键入：uname -r

可以查看当前内核版本：目前是5.2.20

准备更新的内核：5.6.16

8.3.1 开始升级内核。先安装升级所需的libssl1.1

wget http://archive.ubuntu.com/ubuntu/pool/main/o/openssl/libssl1.1_1.1.0g-2ubuntu4_amd64.deb
sudo dpkg -i libssl1.1_1.1.0g-2ubuntu4_amd64.deb

8.3.2 下载内核

地址：https://kernel.ubuntu.com/~kernel-ppa/mainline/

选择 5.6.16

选择下面amd64中，标框的4个deb包。

直接下载即可

8.3.3 安装内核

然后双击安装即可，安装的顺序是 headers_all, headers_generic, modules_generic, image_generic。（不依照也没事，它会提示有依赖关系）。也可以sudo dpkg -i linux-*(包名)安装，但是直接安装更简单。

安装完执行sudo update-grub后重启计算机

打开终端即可看到内核已经更新（ uname -r 也可以），5.6.16-050616-generic

8.4 查看有限网卡

打开终端输入 ifconfig，终于！出现了有限网卡eno1。原来就是内核版本的问题。

8.5 新建有线连接

新增有限连接网络 VLP-16 （名称任意设置）

然后选择IPV4 Settings，方法选为 Manual，更改网络配置。

address: 192.168.1.77
netmask: 255.255.255.0
gateway: 192.168.1.1

然后点击保存。(注意IP地址的77，可以为1到254除开201以外的所有值，因为201是激光雷达的默认IP。)

8.6 安装ROS依赖包（激光雷达驱动）

sudo apt-get install ros-kinetic-velodyne

PS: kinetic：与机器安装的ROS版本一致。

8.7 创建ROS工程

mkdir -p catkin_velodyne/src
cd catkin_velodyne/src
git clone https://github.com/ros-drivers/velodyne.git
cd ..
rosdep install --from-paths src --ignore-src --rosdistro kinetic -y
catkin_make
source devel/setup.bash

编译一切正常，准备与雷达连接。

8.8 开始连接雷达

Velodyne雷达与电脑网线连接，并给雷达供电（12V），可以发现右上角图标更换。

打开网络连接界面，可以发现网络已经连接。

在更新内核之前，是怎么都连接不上的！

当然，这也就意味着NUC无法通过WIFI上网了。需要联网的工作，尽量选择在之前完成。

此时，打开网页，网址处输入192.168.1.201，会弹出激光雷达的参数界面：

这表明，雷达连接一切正常。

8.9 测试雷达

打开终端，输入

 roslaunch velodyne_pointcloud VLP16_points.launch

打开新的终端，输入下式，可以打开rviz，进行结果可视化

rosrun rviz rviz -f velodyne

不过刚打开是啥都没有的，需要自己订阅。

首先点击Add,添加pointsCloud2,

然后会发现左边的目录中多了个PointsCloud2，在该目录下点击topic,选择/velodyne_points，

即可以看到三维点云信息，如下图。

在终端中输入，可以记录数据：

rosbag record -o xxx.bag topic -name

比如velodyne_points，只保存/velodyne_points这个topic的数据（可以用rostopic list -v开看当前可用的topic），保存在当前目录的out.bag当中。

想简单点就

rosbag record -a

不过这个应该是保存了所有内容，所以体量非常大。

下图是连接激光雷达与NUC。

9 实时建图：算法和雷达交互

这里只针对LeGO-LOAM方法

首先，将LeGO-LOAM包里的run.launch文件进行修改，只需要将文件第4行中的true改成false即可，即

<param name="/use_sim_time" value="false" />

因为第4行 true表示虚拟运行，false表示真机器人运行。（之前的适用于LeGO-LOAM-BOR方法的launch文件不用管了）

打开终端输入

roslaunch velodyne_pointcloud VLP16_points.launch

再打开一个终端输入

roslaunch lego_loam run.launch

即可显示建图信息。（这是俺的教研室）

打开终端输入 rosbag record -a可以记录当前的数据。

运行结束后，打开两个终端，输入

roslaunch lego_loam run.launch
rosbag play --clock xxxxx.bag

xxxxx为自己保存的包名字。

即可以跑自己做出来的数据集。效果如下图，因为保存了所有的topic，所以内容会比较多。

10 小车及大范围场景的实时建图

装车

远距离通讯采用的是INSIGHT实时图传设备

办公室走廊实时建图

环土木交通楼实时建图

参考文献

https://github.com/RobustFieldAutonomyLab/LeGO-LOAM/

https://github.com/facontidavide/LeGO-LOAM-BOR/tree/speed_optimization

https://blog.csdn.net/acyddlm/article/details/82974012

https://blog.csdn.net/fsencen/article/details/79386570

https://blog.csdn.net/weixin_41827934/article/details/90175635

https://blog.csdn.net/qq_29761791/article/details/94135193

https://www.cnblogs.com/winslam/p/12074432.html

http://www.bubuko.com/infodetail-3341579.html

http://blog.sina.com.cn/s/blog_c0468c8f0101ld2x.html

https://blog.csdn.net/qq_39346534/article/details/108617770

https://blog.csdn.net/yehe111/article/details/106800025/

https://blog.csdn.net/MIRANA0/article/details/106696334

https://www.jb51.net/article/192497.htm

https://blog.csdn.net/sinat_36502563/article/details/102996736

https://blog.csdn.net/m0_37931718/article/details/106612478

https://blog.csdn.net/mrh1714348719/article/details/103896168

https://blog.csdn.net/learning_tortosie/article/details/86527542

https://blog.csdn.net/qq_43535779/article/details/102579230