【亲测免费】 FAST_LIO_LOCALIZATION-ROS-NOETIC 项目使用教程

FAST_LIO_LOCALIZATION-ROS-NOETIC 项目使用教程

1、项目介绍

FAST_LIO_LOCALIZATION-ROS-NOETIC 是一个基于 FAST-LIO 的简单定位框架，能够在已构建的地图上重新定位。该项目是针对 ROS Noetic 和 Python3 的 fork 版本。它通过融合低频全局定位（约 0.5~0.2Hz）和高频 FAST-LIO 里程计，实现了计算效率高的实时 3D 全局定位。

主要特性

• 实时 3D 全局定位：在预构建的点云地图中进行实时 3D 全局定位。
• 消除累积误差：通过融合低频全局定位和高频里程计，消除里程计的累积误差。
• 初始定位：初始定位可以通过 RVIZ 中的粗略手动估计或来自其他传感器/算法的姿态提供。

2、项目快速启动

2.1 环境准备

确保你已经安装了以下依赖：

• ROS Noetic
• Python 3.8
• ros_numpy
• Open3D

2.2 项目构建

1. 克隆项目仓库：

   cd ~/catkin_ws/src
   git clone https://github.com/davidakhihiero/FAST_LIO_LOCALIZATION-ROS-NOETIC.git
   cd FAST_LIO_LOCALIZATION-ROS-NOETIC
   git submodule update --init
   

2. 编译项目：

   cd ~/catkin_ws
   catkin_make
   source devel/setup.bash
   

2.3 运行定位

1. 启动定位节点：

   roslaunch fast_lio_localization localization_avia.launch map:=/path/to/your/map.pcd
   

2. 提供初始姿态（可选）：

   rosrun fast_lio_localization publish_initial_pose.py 14.5 -7.5 0 -0.25 0 0
   

3、应用案例和最佳实践

3.1 地下车库定位

该项目提供了一个地下车库的示例数据集，可以通过以下步骤进行测试：

1. 下载示例数据集和地图：

   • 数据集：Google Drive | Baidu Pan (Code: ne8d)
   • 地图：Google Drive | Baidu Pan (Code: kw6f)

2. 运行定位节点并播放数据集：

   roslaunch fast_lio_localization localization_avia.launch map:=/path/to/your/map.pcd
   rosbag play localization_test_scene_1.bag
   

3.2 实时定位

在实时场景中，可以使用 Livox AVIA 激光雷达进行定位：

1. 启动激光雷达驱动：

   roslaunch livox_ros_driver livox_lidar_msg.launch
   

2. 启动定位节点：

   roslaunch fast_lio_localization localization_avia.launch map:=/path/to/your/map.pcd
   

4、典型生态项目

4.1 FAST-LIO

FAST-LIO 是一个计算效率高且鲁棒的 LiDAR-惯性里程计（LIO）包，是本项目的基础。

4.2 ikd-Tree

ikd-Tree 是一个用于 3D kNN 搜索的动态 KD-Tree，用于加速点云处理。

4.3 FAST-LIO-SLAM

FAST-LIO-SLAM 是 FAST-LIO 与 Scan-Context 回环检测模块的集成，用于实现完整的 SLAM 功能。

4.4 LIO-SAM_based_relocalization

LIO-SAM_based_relocalization 是一个基于 LIO-SAM 的简单系统，能够在已构建的地图上重新定位机器人。

通过这些生态项目的结合，可以构建一个完整的 LiDAR-惯性定位与建图系统。