3D-SLAM自搭平台主动阿克曼 + RS16 + LPMS_IMU LEGO_LOAM 建图

效果展示：

详细建图(室内+室外)视频链接：

3D-SLAM自搭平台主动阿克曼 + RS16 + LPMS_IMU LEGO_LOAM 室内建图

3D-SLAM自搭平台主动阿克曼 + RS16 + LPMS_IMU LEGO_LOAM 室外建图

实验的完整代码下载链接：https://github.com/kahowang/3D-SLAM-Multiple-robot-platforms/tree/main/Active-Ackerman-Slam/%E4%B8%BB%E5%8A%A8%E9%98%BF%E5%85%8B%E6%9B%BC%2BRS16%2BLPMS_IMU%20%20LEGO_LOAM%20%E5%BB%BA%E5%9B%BE

录制的数据集下载链接：https://pan.baidu.com/s/1IIGquusHYk_UmGeClXG9tA 密码: fwo3

自搭 3D SLAM 数据采集轮式移动平台

LEGO-LOAM 室内建图

LEGO-LOAM 室外建图 base:深圳云之园

前言：

本次实验为，使用自己搭建的移动底盘以及传感器，进行lego_loam 3D-SLAM建图，主要分为三大部分

a. LEGO_LOAM 论文概述摘要。(致敬作者Tixiao Shan  and Brendan Englot，及网上一系列的开源解释博主)
b.自搭平台，进行数据集采集，幷构建地图流程。(供参考)   现有设备：Robosense16 激光雷达，LPMS IMU,  自搭主动差速阿克曼底盘
c.数据集下载使用，搭建的平台，采集了室内、室外两个数据集，供大家尝试使用。（包含 雷达点云话题、IMU话题、相机话题）

1.LEGO_LOAM 概述

1.1 论文摘要

我们提出了LeGO-LOAM，它是一种轻量级和地面优化的激光雷达里程计和建图方法，用于实时估计地面车辆的六自由度姿态。LeGO-LOAM是轻量级的，因为它可以在低功耗嵌入式系统上实现实时姿态估计。LeGO-LOAM经过地面优化，因为它在分割和优化步骤中利用了地面的约束。我们首先应用点云分割来滤除噪声，并进行特征提取，以获得独特的平面和边缘特征。然后，采用两步Levenberg-Marquardt优化方法，使用平面和边缘特征来解决连续扫描中六个自由度变换的不同分量。我们使用地面车辆从可变地形环境中收集的数据集，比较LeGO-LOAM与最先进的LOAM方法的性能，结果表明LeGO-LOAM在减少计算开销的情况下实现了相似或更好的精度。为了消除由漂移引起的姿态估计误差，我们还将LeGO-LOAM集成到SLAM框架中，并用KITTI数据集进行了测试。

论文里面主要是和LOAM对比，其相比LOAM具有以下五个特点

1.2 系统性能

论文里面主要是和LOAM对比，其相比LOAM具有以下五个特点

a.轻量级，能在嵌入式设备上实时运行

b.地面优化，在点云处理部分加入了分割模块，这样做能够去除地面点的干扰，只在聚类的目标中提取特征。其中主要包括一个地面的提取（并没有假设地面是平面），和一个点云的分割，使用筛选过后的点云再来提取特征点，这样会大大提高效率。(如下图所示: 为在特征提取之前执行地面分割操作)

c. 在提取特征点时，将点云分成小块，分别提取特征点，以保证特征点的均匀分布。在特征点匹配的时候，使用预处理得到的segmenation标签筛选(点云分割为边缘点类和平面点类两类)，再次提高效率。

d.两步L-M优化法估计6个维度的里程计位姿。先使用平面点优化高度，同时利用地面的方向优化两个角度信息。地面提取的平面特征用于在第一步中获得t_z,theta_roll,theta_pitch；再使用边角点优化剩下的三个变量，通过匹配从分段点云提取的边缘特征来获得其余部分变换t_x,t_y,theta_yaw。匹配方式还是scan2scan，以这种方式分别优化，效率提升40%，但是并没有造成精度的损失。

e.集成了回环检测以校正运动估计漂移的能力（即使用gtsam作回环检测并作图优化，但是本质上仍然是基于欧式距离的回环检测，不存在全局描述子）。

2.自搭平台复现LEGO_LOAM建图

2.1 环境配置

2.1.1 硬件配置

2.1.1.1 速腾16线激光雷达

激光雷达通过网口进行配置，需要配置主从机网络。本机(机器人上的电脑或嵌入式设备)需要和雷达在同一个网段下。

雷达默认的出厂IP为 master_address :  192.168.1.200
本机设置IP为 slaver_address  : 192.168.1.102

如下图所示为速腾16线激光雷达的硬件驱动，将网线一头插在雷达硬件驱动，另一头插在电脑网口处。

随后点击ubuntu右上角的有线连接，点击有线设置

点击有线连接右上角上的"+"

修改名称为自己的任意名称(这里修改为"Robosense16")

点击IPv4 ,填入地址 192.168.1.102 , 子网掩码为 : 255.255.255.0

点击右上角的添加后，即可看到和雷达的有线连接成功

#打开一个新的 terminal, 尝试是否能ping同雷达数据，如果接受到如下所示的数据，即配置雷达网口成功

ping 192.168.1.200

2.1.1.2 IMU

使用的IMU为LPMS_URS2 9-axis

2.1.1.3 主动差速阿克曼底盘

2.1.2 软件配置

2.1.2.1 速腾16线激光雷达软件ROS驱动下载

cd ~/catkin_ws/src
git clone https://github.com/RoboSense-LiDAR/rslidar_sdk.git
cd rslidar_sdk
git submodule init
git submodule update

修改 rslidar_sdk CMakeLists.txt中的配置文件

cd rslidar_sdk
sudo  gedit CMakeLists.txt
#将 set(POINT_TYPE XYZIRT)  修改为
set(COMPILE_METHOD CATKIN)
#将 set(POINT_TYPE XYZI)   修改为
set(POINT_TYPE XYZIRT)

修改 rslidar_sdk package_ros1.xml 改名为 package.xml

修改 rslidar_sdk/config/comfig.yaml 第16行的 lidar_type为： RS16

      lidar_type: RS16            #LiDAR type - RS16, RS32, RSBP, RS128, RS80, RSM1, RSHELIOS

编译

cd ~/catkin_ws
catkin_make

2.1.2.2 LPMS IMU 配置

catkin_make -DCMAKE_C_COMPILER=gcc-7 -DCMAKE_CXX_COMPILER=g++-7      #升级cmake版本
apt install ros-melodic-openzen-sensor     #下载 openzen-sensor
cd   lego_loam_ws/src
git clone  --recurse-submodules https://bitbucket.org/lpresearch/openzenros.git
cd ..
catkin_make

2.1.2.3 lego_loam 配置

依赖：

a. ROS (tested with indigo, kinetic, and melodic)

b.gtsam (Georgia Tech Smoothing and Mapping library, 4.0.0-alpha2)

安装 VTK

sudo apt install python-vtk

安装 gtsam：

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

编译：

cd ~/catkin_ws/src                   # 进入所在的工作空间
git clone https://github.com/RobustFieldAutonomyLab/LeGO-LOAM.git       # git clone lego-loam 源码
cd ..
catkin_make -j1                        #  当第一次编译代码时，需要在“catkin_make”后面添加“-j1”以生成一些消息类型。将来的编译不需要“-j1”

2.1.2.4 RS16 转 VLP16

由于lego_loam中默认接受的雷达话题为 /velodyne_points ，接收的雷达点云信息为XYZIR ,而速腾的激光雷达驱动中只支持 XYZI 、XYZIRT 数据类型，所以需要对数据进行转换，可使用rs_to_velodyne 这个节点进行雷达点云消息格式的转换。

cd  ~/catkin_ws/src
git clone https://github.com/HViktorTsoi/rs_to_velodyne.git
catkin_make

2.2 运行

2.2.1 离线建图

2.2.1.1 离线采集数据集

#运行小车底盘
ssh coo@10.42.0.1
password： cooneo_coo
cd catkin_ws
roslaunch turn_on_wheeltec_robot base_camera.launch

#采集数据
cd catkin_ws
source devel/setup.bash
roslaunch rslidar_sdk start.launch    # 启动RS16 雷达

rosrun rs_to_velodyne rs_to_velodyne XYZIRT XYZIR   # 启动雷达数据类型转换节点

rosrun openzen_sensor openzen_sensor_node      #  运行 LPMS  IMU

mkdir catkin_ws/rosbag
cd catkin_ws/rosbag
rosbag record  -a  -O lego_loam.bag                                     #  记录所有话题

2.2.1.2 离线建图

roslaunch lego_loam run.launch                                       #   运行lego_loam
rosbag play *.bag --clock --topic /velodyne_points  /imu/data    # 选择使用 雷达点云话题和 IMU话题(若IMU配置一般，可只使用点云话题)

2.2.2 在线建图

修改 run.launch 文件中 /use_sim_time

<param name="/use_sim_time" value="false" />    # 在线建图设为"false",离线建图设为 "true"

#运行小车底盘
ssh coo@10.42.0.1
password： cooneo_coo
cd catkin_ws
roslaunch turn_on_wheeltec_robot base_camera.launch

#打开雷达
cd catkin_ws
source devel/setup.bash
roslaunch rslidar_sdk start.launch    # 启动RS16 雷达

roslaunch lego_loam run.launch                                   #   运行lego_loam

2.3 最终效果

室内，室外数据集均已上传到网盘，供大家下载使用

链接: https://pan.baidu.com/s/1IIGquusHYk_UmGeClXG9tA
密码: fwo3

2.3.1 室内离线建图

cd lego_loam_ws     #进入到，下载lego_loam 的工作空间中
roslaunch lego_loam run.launch        # 运行lego_loam  建图cd rosbag               #进入到存储数据集的目录下
rosbag  play  cooneo_indoor_urs2.bag --clock --topic /velodyne_points /imu/data  /usb_cam/image_raw/compressed    # 运行室内数据集

LEGO-LOAM 3D 室内3D地图

2D gmpping 建图

2.3.2 室外离线建图

cd lego_loam_ws     #进入到，下载lego_loam 的工作空间中
roslaunch lego_loam run.launch        # 运行lego_loam  建图cd rosbag               #进入到存储数据集的目录下
rosbag  play  cooneo_outdoor_urs2.bag --clock --topic /velodyne_points /imu/data  /usb_cam/image_raw/compressed  # 运行室外数据集

2.3.3 保存地图

运行 run.launch lego_loam 建图程序后，在rviz中点击勾选 Map Cloud，待程序结束后，CRTL + C 即可结束进程，会自动保存地图。

3. 数据及下载及使用

数据集下载地址：链接: https://pan.baidu.com/s/1IIGquusHYk_UmGeClXG9tA 密码: fwo3

场景：室内、室外

设备：二轮雅克曼底盘、Robosense16线激光雷达、LPMS IMU

3.1 环境配置

上述 “2.1.2.3 lego_loam 配置” 已说明

3.2 修改相关配置及保存地图

3.2.1 修改配置文件

sudo gedit  lego_loam_ws/src_Lego-LOAM-master/LeGo-LOAM/include/utility.h

imuTopic 修改为自己的imu_topic , 本次数据集的imu topic 为 “/imu/data”

fileDirectory 中填写自己要保存的地图的绝对路径

3.2.2 保存地图

运行 run.launch lego_loam 建图程序后，在rviz中点击勾选Map Cloud，待程序结束后，CRTL + C 即可结束进程，建图成功。

3.3 构建地图

roslaunch lego_loam run.launch                                       #   运行lego_loam

#室内数据集
rosbag play cooneo_indoor_urs2.bag --clock --topic /velodyne_points  /imu/data     # 选择使用 雷达点云话题和 IMU话题(若IMU配置一般，可只使用点云话题)
#室外数据集
rosbag play cooneo_outdoor_urs2.bag --clock --topic /velodyne_points  /imu/data     # 选择使用 雷达点云话题和 IMU话题(若IMU配置一般，可只使用点云话题)

参考文献

[1] LeGO-LOAM初探：原理，安装和测试

[2]自动驾驶系列（三）速腾16线激光雷达驱动安装

[3]激光SLAM框架学习之LeGO-LOAM框架—速腾Robosense-16线雷达室外建图和其他框架对比、录包和保存数据

[4]SC-LEGO-LOAM 扩展以及深度解析（一）

[5]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

[6] SLAM学习笔记（二十）LIO-SAM流程及代码详解（最全）

[7]LeGO-LOAM和LOAM的区别与联系
edited by kaho 2022.1.10