LIO-SAM跑KITTI数据集和自己数据集代码修改

一、编译并运行LIO-SAM
二、代码修改
- 1、cloud_info.msg
- 2、imageProjection.cpp
三、KITTI数据集准备
四、自己数据集准备
五、修改配置文件params.yaml
六、GPS信息的添加
七、效果图
八、轨迹保存
九、点云地图保存（PCD）
- 1、注意到save_map.srv文件
- 2、进入到mapOptmization.cpp
- 3、最后在配置文件params.yaml修改参数
- 4、PCD效果展示
全文参考文献

一、编译并运行LIO-SAM

参考我的另一篇文章：
Ubuntu20.04下的编译与运行LIO-SAM【问题解决】

二、代码修改

因为liosam 要求输入的点云每个点都有ring 信息和相对时间time信息，目前的雷达驱动基本具备这些信息，但是早期的KITTI数据集不具备，所以代码要自己计算一下 ring和time。方法可以参考lego-loam中这部分内容，具体修改如下。

1、cloud_info.msg

添加
# 用于改写ring和time相关
float32 startOrientation
float32 endOrientation
float32 orientationDiff

2、imageProjection.cpp

ring部分：

1、把ring通道强制关闭
2、添加计算ring代码
if (false){rowIdn = laserCloudIn->points[i].ring;
} else {verticalAngle = atan2(thisPoint.z, sqrt(thisPoint.x * thisPoint.x + thisPoint.y * thisPoint.y)) * 180 / M_PI;// 拿16、32、64线激光雷达为例if(N_SCAN == 16) {rowIdn = int((verticalAngle + 15) / 2 + 0.5);if (rowIdn < 0 || rowIdn >= N_SCAN){continue;} else if(rowIdn % downsampleRate != 0) {continue;}} else if (N_SCAN == 32) {rowIdn = int((verticalAngle + 92.0 / 3.0) * 3.0 / 4.0);if (rowIdn < 0 || rowIdn >= N_SCAN){continue;} else if(rowIdn % downsampleRate != 0) {continue;}} else if (N_SCAN == 64) {if (verticalAngle >= -8.83) {rowIdn = int((2 - verticalAngle) * 3.0 + 0.5);} else {rowIdn = N_SCAN / 2 + int((-8.83 - verticalAngle) * 2.0 + 0.5);}// use [0 50]  > 50 remove outlies if (verticalAngle > 2 || verticalAngle < -24.33 || rowIdn > 50 || rowIdn < 0){continue;} else if(rowIdn % downsampleRate != 0) {continue;}} else {printf("wrong scan number\n");ROS_BREAK();}
}

time部分：

1、把time通道强制关闭
2、计算time并赋值
bool halfPassed = false;
int cloudNum = laserCloudIn->points.size();
// start and end orientation of this cloud
cloudInfo.startOrientation = -atan2(laserCloudIn->points[0].y, laserCloudIn->points[0].x);
cloudInfo.endOrientation   = -atan2(laserCloudIn->points[laserCloudIn->points.size() - 1].y, laserCloudIn->points[laserCloudIn->points.size() - 1].x) + 2 * M_PI;
if (cloudInfo.endOrientation - cloudInfo.startOrientation > 3 * M_PI) {cloudInfo.endOrientation -= 2 * M_PI;
} else if (cloudInfo.endOrientation - cloudInfo.startOrientation < M_PI) {cloudInfo.endOrientation += 2 * M_PI;
}
cloudInfo.orientationDiff = cloudInfo.endOrientation - cloudInfo.startOrientation;
PointType point;
for (int i = 0; i < cloudNum; ++i)
{point.x = laserCloudIn->points[i].x;point.y = laserCloudIn->points[i].y;point.z = laserCloudIn->points[i].z;float ori = -atan2(point.y, point.x);if (!halfPassed) {if (ori < cloudInfo.startOrientation - M_PI / 2) {ori += 2 * M_PI;} else if (ori > cloudInfo.startOrientation + M_PI * 3 / 2) {ori -= 2 * M_PI;}if (ori - cloudInfo.startOrientation > M_PI) {halfPassed = true;}} else {ori += 2 * M_PI;if (ori < cloudInfo.endOrientation - M_PI * 3 / 2) {ori += 2 * M_PI;} else if (ori > cloudInfo.endOrientation + M_PI / 2) {ori -= 2 * M_PI;}}float relTime = (ori - cloudInfo.startOrientation) / cloudInfo.orientationDiff;// 激光雷达10Hz，周期0.1laserCloudIn->points[i].time = 0.1 * relTime;
}

需要修改好的，可以查看我的。

三、KITTI数据集准备

关于KITTI数据集，已有公开的kitti2bag工具，使用方法：参见我的另一个博客在Ubuntu20.04系统上将KITTI原始数据集转化为.bag形式。但是输出的bag文件liosam是不能正常跑的，位姿Z型突变，仔细了解一下发现这个bag的imu频率跟雷达一样，也就是很低频，无法满足代码需求。liosam作者提供了一个2011_09_30_drive_0028.bag在google drive，但可能无法快速下载。

如果想自己制作bag，作者自己改了kitti2bag就在源码的文件夹下，你需要准备如下文件（文件位置需对应）：

首先，在终端输入以下指令：

pip3 install tqdm

效果：

然后，在"2011_10_03"文件夹的上一级目录（即：此处的2011_10_03_calib文件下），打开终端，输入：

python3 kitti2bag.py -t 2011_10_03 -r 0027 raw_synced

注意自己的文件的文件名

效果如下：

我第一次文件位置不对，导致无法生成bag文件

四、自己数据集准备

具体采集步骤在后续更新…

五、修改配置文件params.yaml

1、话题名修改

  # TopicspointCloudTopic: "points_raw"               # Point cloud dataimuTopic: "imu_raw"                         # IMU data

2、根据KITTI采集数据的实际传感器修改对应参数

  # KITTIsensor: 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 / 1lidarMinRange: 1.0                          # default: 1.0, minimum lidar range to be usedlidarMaxRange: 1000.0                       # default: 1000.0, maximum lidar range to be used

对照我的另一个博客：LeGO-LOAM跑KITTI数据集评估方法【代码改】

3、外参的修改

  # kitti外参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: [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]

注意点：
1、配置文件（params.yaml）内的参数通过参数服务器传送进源程序，会覆盖掉头文件内（utility.h）的对应参数。
2、其中extrinsicRot表示imu -> lidar的坐标变换，用于旋转imu坐标系下的角速度和线加速度到lidar坐标系下，extrinsicRPY则用于旋转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，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。

六、GPS信息的添加

待更新…

七、效果图

KITTI：

00的可能会飞，05以后的应该没问题

八、轨迹保存

找到输出位姿信息，通过以下代码，输出位姿信息（KITTI格式）：

// 位姿输出到txt文档
std::ofstream pose1("/home/cupido/output-data/lio-sam/pose.txt", std::ios::app);
pose1.setf(std::ios::scientific, std::ios::floatfield);
// pose1.precision(15);//save final trajectory in the left camera coordinate system.
Eigen::Matrix3d rotation_matrix;
rotation_matrix = Eigen::AngleAxisd(pose_in.yaw, Eigen::Vector3d::UnitZ()) * Eigen::AngleAxisd(pose_in.pitch, Eigen::Vector3d::UnitY()) * Eigen::AngleAxisd(pose_in.roll, Eigen::Vector3d::UnitX());
Eigen::Matrix<double, 4, 4> mylio_pose;
mylio_pose.topLeftCorner(3,3) = rotation_matrix;mylio_pose(0,3) = pose_in.x;
mylio_pose(1,3) = pose_in.y;
mylio_pose(2,3) = pose_in.z;
Eigen::Matrix<double, 4, 4> cali_paremeter;
/*cali_paremeter << 4.276802385584e-04, -9.999672484946e-01, -8.084491683471e-03, -1.198459927713e-02,  //00-02-7.210626507497e-03, 8.081198471645e-03, -9.999413164504e-01, -5.403984729748e-02, 9.999738645903e-01, 4.859485810390e-04, -7.206933692422e-03, -2.921968648686e-01,0,                    0,                   0,                          1;*/
/*cali_paremeter << -1.857739385241e-03,-9.999659513510e-01, -8.039975204516e-03, -4.784029760483e-03,-6.481465826011e-03, 8.051860151134e-03, -9.999466081774e-01, -7.337429464231e-02,9.999773098287e-01, -1.805528627661e-03, -6.496203536139e-03, -3.339968064433e-01,     //04-100                    0,                   0,                          1;*/
cali_paremeter << 2.347736981471e-04, -9.999441545438e-01, -1.056347781105e-02, -2.796816941295e-03,1.044940741659e-02, 1.056535364138e-02, -9.998895741176e-01, -7.510879138296e-02, 9.999453885620e-01, 1.243653783865e-04, 1.045130299567e-02, -2.721327964059e-01,0,                     0,                   0,                          1;Eigen::Matrix<double, 4, 4> myloam_pose_f;
myloam_pose_f = cali_paremeter * mylio_pose * cali_paremeter.inverse();pose1 << myloam_pose_f(0,0) << " " << myloam_pose_f(0,1) << " " << myloam_pose_f(0,2) << " " << myloam_pose_f(0,3) << " "<< myloam_pose_f(1,0) << " " << myloam_pose_f(1,1) << " " << myloam_pose_f(1,2) << " " << myloam_pose_f(1,3) << " "<< myloam_pose_f(2,0) << " " << myloam_pose_f(2,1) << " " << myloam_pose_f(2,2) << " " << myloam_pose_f(2,3) << std::endl;pose1.close();

欧拉角到四元素的转换除了用eigen，还可以参考大佬：四元数与欧拉角（Yaw、Pitch、Roll）的转换

补充tum格式的轨迹输出（拿ALOAM举例，LIO-SAM修改相关参数即可）

// 位姿输出到txt文档
std::ofstream pose1("/home/cupido/output-data/kitti/sequences/07/aloam.txt", std::ios::app);
pose1.setf(std::ios::scientific, std::ios::floatfield);
pose1.precision(15);//save final trajectory in the left camera coordinate system.
Eigen::Matrix3d rotation_matrix;
rotation_matrix = q_w_curr.toRotationMatrix();
Eigen::Matrix<double, 4, 4> myaloam_pose;
myaloam_pose.topLeftCorner(3,3) = rotation_matrix;myaloam_pose(0,3) = t_w_curr.x();
myaloam_pose(1,3) = t_w_curr.y();
myaloam_pose(2,3) = t_w_curr.z();
Eigen::Matrix<double, 4, 4> cali_paremeter;
// cali_paremeter << 4.276802385584e-04, -9.999672484946e-01, -8.084491683471e-03, -1.198459927713e-02,  //00-02
//                   -7.210626507497e-03, 8.081198471645e-03, -9.999413164504e-01, -5.403984729748e-02,
//                   9.999738645903e-01, 4.859485810390e-04, -7.206933692422e-03, -2.921968648686e-01,
//                   0,                    0,                   0,                          1;
cali_paremeter << -1.857739385241e-03,-9.999659513510e-01, -8.039975204516e-03, -4.784029760483e-03,     //04-10-6.481465826011e-03, 8.051860151134e-03, -9.999466081774e-01, -7.337429464231e-02,9.999773098287e-01, -1.805528627661e-03, -6.496203536139e-03, -3.339968064433e-01,0,                   0,                   0,                          1;
/*cali_paremeter << 2.347736981471e-04, -9.999441545438e-01, -1.056347781105e-02, -2.796816941295e-03,    // 031.044940741659e-02, 1.056535364138e-02, -9.998895741176e-01, -7.510879138296e-02, 9.999453885620e-01, 1.243653783865e-04, 1.045130299567e-02, -2.721327964059e-01,0,                     0,                   0,                          1;*/Eigen::Matrix<double, 4, 4> myloam_pose_f;
myloam_pose_f = cali_paremeter * myaloam_pose * cali_paremeter.inverse();Eigen::Matrix3d temp;
temp = myloam_pose_f.topLeftCorner(3,3);
Eigen::Quaterniond quaternion(temp);// 获取当前更新的时间 这样与ground turth对比才更准确
static double timeStart = odometryBuf.front()-> header.stamp.toSec();   // 相当于是第一帧的时间
auto T1 = ros::Time().fromSec(timeStart);
pose1 << odomAftMapped.header.stamp - T1  << " "<< myloam_pose_f(0,3) << " "<< myloam_pose_f(1,3) << " "<< myloam_pose_f(2,3) << " "<< quaternion.x() << " "<< quaternion.y() << " "<< quaternion.z() << " "<< quaternion.w() << std::endl;pose1.close();

注意点：
1、输出路径注意修改
2、评估轨迹精度的时候，输出轨迹若发现未和真值完全对齐（这里指的是，不考虑自己算法精度，单纯两轨迹对齐），可以在终端输入以下指令：

//（注意是-a，不是--align_origin）
evo_ape tum groundtruth.txt xxx.txt -a -p

九、点云地图保存（PCD）

追根溯源：

1、注意到save_map.srv文件

float32 resolution
string destination
---
bool success

2、进入到mapOptmization.cpp

相关代码：

// 订阅一个保存地图功能的服务
srvSaveMap  = nh.advertiseService("lio_sam/save_map", &mapOptimization::saveMapService, this);/*** 保存全局关键帧特征点集合*/
bool saveMapService(lio_sam::save_mapRequest& req, lio_sam::save_mapResponse& res)
{string saveMapDirectory;cout << "****************************************************" << endl;cout << "Saving map to pcd files ..." << endl;// 如果是空，说明是程序结束后的自动保存，否则是中途调用ros的service发布的保存指令if(req.destination.empty()) saveMapDirectory = std::getenv("HOME") + savePCDDirectory;else saveMapDirectory = std::getenv("HOME") + req.destination;cout << "Save destination: " << saveMapDirectory << endl;// create directory and remove old files;// 删掉之前有可能保存过的地图int unused = system((std::string("exec rm -r ") + saveMapDirectory).c_str());unused = system((std::string("mkdir -p ") + saveMapDirectory).c_str());// save key frame transformations// 首先保存历史关键帧轨迹pcl::io::savePCDFileBinary(saveMapDirectory + "/trajectory.pcd", *cloudKeyPoses3D);pcl::io::savePCDFileBinary(saveMapDirectory + "/transformations.pcd", *cloudKeyPoses6D);// extract global point cloud map（提取历史关键帧角点、平面点集合）pcl::PointCloud<PointType>::Ptr globalCornerCloud(new pcl::PointCloud<PointType>());pcl::PointCloud<PointType>::Ptr globalCornerCloudDS(new pcl::PointCloud<PointType>());pcl::PointCloud<PointType>::Ptr globalSurfCloud(new pcl::PointCloud<PointType>());pcl::PointCloud<PointType>::Ptr globalSurfCloudDS(new pcl::PointCloud<PointType>());pcl::PointCloud<PointType>::Ptr globalMapCloud(new pcl::PointCloud<PointType>());// 遍历所有关键帧，将点云全部转移到世界坐标系下去for (int i = 0; i < (int)cloudKeyPoses3D->size(); i++) {*globalCornerCloud += *transformPointCloud(cornerCloudKeyFrames[i],  &cloudKeyPoses6D->points[i]);*globalSurfCloud   += *transformPointCloud(surfCloudKeyFrames[i],    &cloudKeyPoses6D->points[i]);// 类似进度条的功能cout << "\r" << std::flush << "Processing feature cloud " << i << " of " << cloudKeyPoses6D->size() << " ...";}// 如果没有指定分辨率，就是直接保存if(req.resolution != 0){cout << "\n\nSave resolution: " << req.resolution << endl;// down-sample and save corner cloud// 使用指定分辨率降采样，分别保存角点地图和面点地图downSizeFilterCorner.setInputCloud(globalCornerCloud);downSizeFilterCorner.setLeafSize(req.resolution, req.resolution, req.resolution);downSizeFilterCorner.filter(*globalCornerCloudDS);pcl::io::savePCDFileBinary(saveMapDirectory + "/CornerMap.pcd", *globalCornerCloudDS);// down-sample and save surf clouddownSizeFilterSurf.setInputCloud(globalSurfCloud);downSizeFilterSurf.setLeafSize(req.resolution, req.resolution, req.resolution);downSizeFilterSurf.filter(*globalSurfCloudDS);pcl::io::savePCDFileBinary(saveMapDirectory + "/SurfMap.pcd", *globalSurfCloudDS);}else{// save corner cloudpcl::io::savePCDFileBinary(saveMapDirectory + "/CornerMap.pcd", *globalCornerCloud);// save surf cloudpcl::io::savePCDFileBinary(saveMapDirectory + "/SurfMap.pcd", *globalSurfCloud);}// save global point cloud map（保存到一起，全局关键帧特征点集合）*globalMapCloud += *globalCornerCloud;*globalMapCloud += *globalSurfCloud;// 保存全局地图int ret = pcl::io::savePCDFileBinary(saveMapDirectory + "/GlobalMap.pcd", *globalMapCloud);res.success = ret == 0;downSizeFilterCorner.setLeafSize(mappingCornerLeafSize, mappingCornerLeafSize, mappingCornerLeafSize);downSizeFilterSurf.setLeafSize(mappingSurfLeafSize, mappingSurfLeafSize, mappingSurfLeafSize);cout << "****************************************************" << endl;cout << "Saving map to pcd files completed\n" << endl;return true;
}

std::thread visualizeMapThread(&mapOptimization::visualizeGlobalMapThread, &MO);   // 可视化的线程（负责rviz相关可视化接口的发布）visualizeMapThread.join();/*** 展示线程* 1、发布局部关键帧map的特征点云* 2、保存全局关键帧特征点集合*/// 全局可视化线程void visualizeGlobalMapThread(){// 更新频率设置为0.2hzros::Rate rate(0.2);while (ros::ok()){rate.sleep();// 发布局部关键帧map的特征点云publishGlobalMap();}// 当ros被杀死之后，执行保存地图功能if (savePCD == false)return;lio_sam::save_mapRequest  req;lio_sam::save_mapResponse res;// 保存全局关键帧特征点集合if(!saveMapService(req, res)){cout << "Fail to save map" << endl;}}

这里注意到 if (savePCD == false)判断条件，转至配置文件params.yaml

3、最后在配置文件params.yaml修改参数

打开开关：

savePCD: true                                                   # https://github.com/TixiaoShan/LIO-SAM/issues/3

更改路径：

savePCDDirectory: "/output-data/lio-sam/PCD/"        # in your home folder, starts and ends with "/". Warning: the code deletes "LOAM" folder then recreates it. See "mapOptimization" for implementation

对应路径和自身电脑的全局路径的关系如下：

4、PCD效果展示

1、指令：

pcl_viewer xxx.pcd

2、效果图：

此节参考大佬：
1、lio-sam中点云地图保存
2、复现lio_sam激光slam算法创建点云地图
3、PCL保存LIO-SAM地图时报错[pcl::PCDWriter::writeBinary]

全文参考文献

1、ubuntu18运行编译LIO-SAM并用官网和自己的数据建图(修改汇总）
2、LIO-SAM运行自己数据包遇到的问题解决–SLAM不学无数术小问题
3、使用开源激光SLAM方案LIO-SAM运行KITTI数据集，如有用，请评论雷锋
4、LIO-SAM：配置环境、安装测试、适配⾃⼰采集数据集
5、SLAM学习笔记（十九）开源3D激光SLAM总结大全——Cartographer3D,LOAM,Lego-LOAM,LIO-SAM,LVI-SAM,Livox-LOAM的原理解析及区别
6、多传感器融合定位第六章惯性导航结算及误差模型

在Ubuntu20.04系统上LIO-SAM跑KITTI数据集和自己数据集代码修改相关推荐

【githubshare】基于 C 语言编写的一款 2D 太空射击游戏，已在 Windows 10 和 Ubuntu Linux 16.04 系统上跑通测试
基于 C 语言编写的一款 2D 太空射击游戏:space-shooter.c,已在 Windows 10 和 Ubuntu Linux 16.04 系统上跑通测试. GitHub:github.com ...
Unity红球吃绿球强化学习小任务——Ubuntu20.04系统于2022年2月26日实现
Unity红球吃绿球强化学习小任务--Ubuntu20.04系统于2022年2月26日实现 Unity红球吃绿球强化学习小任务一.主机环境参数说明二.具体教程以之前提供的视频介绍为主,需要修改的章 ...
【Ubuntu系列】Ubuntu20.04系统下3060显卡驱动安装记录
[Ubuntu系列]Ubuntu20.04系统下3060显卡驱动安装记录设备及相关信息简介具体安装步骤 step1 获取显卡硬件信息 step2 在Ubuntu系统中卸载显卡驱动 step3 安装 ...
ubuntu20.04 系统备份以及迁移
ubuntu20.04 系统备份以及迁移使用环境 (自己做记录使用,写的模糊不清,不建议小白参考) 特点:没有移植boot不需要修复引导软件:ubuntu20.04 硬件:小米笔记本目的:备份系 ...
Ubuntu20.04系统离线安装ssh-server
前引:Ubuntu20.04系统初次安装完成后,系统只有ssh-client端服务,无server端服务. 离线安装安装ssh-server端服务方法. 安装包下载地址:https://downloa ...
Ubuntu20.04系统的密码忘记
Ubuntu20.04系统的密码忘记 1.连续按下shift键,直到出现如下画面 2.选中[*Ubuntu 的高级选项],按下回车键 3.选中[Ubuntu, with Linux 5.11.0-43 ...
Ubuntu20.04系统中安装微信、QQ和钉钉等应用(使用DeepinWine)
Ubuntu20.04系统中安装微信.QQ和钉钉等应用 1.安装deepin-wine 2. 安装Windows字体文件 3. 安装QQ.微信和钉钉微信遇到的问题 QQ遇到的问题参考 1.安装de ...
ubuntu 安装kde桌面_在Ubuntu 20.04系统上安装KDE Plasma Desktop的方法
本文介绍在Ubuntu 20.04系统上安装KDE Plasma Desktop的方法.Plasma Desktop是KDE创建的一种流行且功能强大的桌面环境,主要用于Linux系统.KDE Plas ...
icinga2 php模块,在Ubuntu 18.04系统上安装Icinga2监视工具的方法
本文介绍在Ubuntu 18.04系统上安装Icinga2监视工具的方法,使用Icinga 2可以监控:服务器资源.网络服务.网络设备. 简介 Icinga 2是一个开源,可扩展和可扩展的监视工具,可 ...

在Ubuntu20.04系统上LIO-SAM跑KITTI数据集和自己数据集代码修改