16线激光雷达3Dslam建图算法BLAM使用

简介：

LiDAR-based real-time 3D localization and mapping

github:https://github.com/erik-nelson/blam.git

官方视频：https://youtu.be/08GTGfNneCI

一、安装依赖包

1、安装ROS

2、安装 GTSAM

sudo apt-get install libboost-all-dev
sudo apt-get install cmakegit clone https://bitbucket.org/gtborg/gtsam.git
cd gtsam
mkdir build
cd build
cmake ..
sudo make install

二、安装BLAM

git clone https://github.com/erik-nelson/blam.gitcd blam
./update

常见问题

1、fatal error: ros/ros.h: No such file or directory

cd blam/internal/src/geometry_utils
vim package.xml
#添加一下内容
<build_depend>roscpp</build_depend>
<run_depend>roscpp</run_depend>vim CMakeList.txt
#修改find_package(catkin REQUIRED）为
find_package(catkin REQUIRED COMPONENTS roscpp)
#添加
include_directories(include ${catkin_INCLUDE_DIRS})

2、Invalid (NaN, Inf) point coordinates given to nearestKSearch!

pcl中NaN数据处理

在blam/src/point_cloud_filter/src/PointCloudFilter.cc的filter函数最后面添加如下内容

if (!points->is_dense)
{points_filtered->is_dense = false;std::vector<int> indices;pcl::removeNaNFromPointCloud(*points_filtered,*points_filtered, indices);
}

以上nan问题主要是因为所使用的点云数据is_desne:false也就是说，点云里面可能含有nan所以在filter里面

统一做了去除无效值

3、按照以上方法修改后，在回环后还是出现Invalid (NaN, Inf) point coordinates given to nearestKSearch

修改”BlamSlam.cc”，修改以下几行（这几行不是连在一起的），即把使用原始msg的地方替换为msg_filtered

//1、change loop_closure_.AddKeyScanPair(0, msg); to
loop_closure_.AddKeyScanPair(0, msg_filtered);  //2、change if (HandleLoopClosures(msg, &new_keyframe)) to
if (HandleLoopClosures(msg_filtered, &new_keyframe))//3、localization_.TransformPointsToFixedFrame(*msg, msg_fixed.get());
localization_.TransformPointsToFixedFrame(*msg_filtered, msg_fixed.get());

三、使用

使用自己的数据集，修改test_online.launch文件

<remap from="~pcld" to="/rslidar_points"/> <!--/rslidar_points替换成自己的话题名-->roslaunch rslidar rslidar_16.launch   //运行激光雷达
source your_path/blam-master/internal/devel/setup.zsh//或./workon
roslaunch blam_example test_online.launch

使用自定义数据集常见问题

1、效果不好

点云数量少就修改point_cloud_filter/config/parameters.yaml

#关闭voxel grid filter
grid_filter: false

2、按照1修改了，效果还不好，旋转特别大

修改point_cloud_localization/config/parameters.yaml

  # Maximum acceptable incremental rotation and translation.transform_thresholding: true #falsemax_translation: 0.5 #0.05max_rotation: 0.3 #0.1

3、不回环

观察你的pose相差多远，修改laser_loop_closure/config/parameters.yaml

#默认0.5米检测一次回环或记录关键帧，值越大效率越高，发现构图缓慢的时候可以放大这个值
translation_threshold: 1.0 #0.5#默认是在1.5米范围内匹配，根据你自己的回环误差放大这个值
proximity_threshold: 10 #1.5#ICP "fitness score" must be less than this number，就是越小越难回环
max_tolerable_fitness: 5 #0.15#根据你自己的地图大小适当放宽跳过回环的点数，一般地图越大值越大
skip_recent_poses: 100 #40
poses_before_reclosing: 100 #40

4. rviz查看

rosrun rviz rviz -d blam_example/rviz/lidar_slam.rviz

参考博客

https://blog.csdn.net/xmy306538517/article/details/81122663