hooksten的博客

本文主要介绍了LIO-SAM系统的启动配置及参数设置。系统通过run.launch文件启动，依次加载参数配置文件、LOAM节点、TF变换、GPS融合节点和可视化界面。重点分析了params.yaml中的关键参数配置，包括传感器话题设置、坐标系定义、GPS参数、点云处理参数、IMU噪声参数、外参标定以及回环检测等。其中详细说明了激光雷达与IMU之间的外参变换矩阵配置，并提供了不同传感器类型的参数调整建议。这些配置参数直接影响系统的定位建图性能，需要根据实际传感器型号和使用场景进行相应调整。

本文介绍了在Ubuntu 20.04和ROS Noetic环境下编译运行LIO-SAM时常见问题的解决方案。主要内容包括：GTSAM版本选择（推荐4.2-ros或4.0.0-alpha2）、Eigen3路径配置、OpenCV头文件修改（将opencv/cv.h替换为opencv2/imgproc.hpp）、将C++标准改为C++14解决PCL兼容性问题。运行时问题方面，提供了libmetis.so库路径修复方法、必要的ROS定位功能包安装建议，以及IMU-LiDAR外参标定注意事项。最后给出了数据集测试流程

本文介绍了使用evo工具进行KITTI格式轨迹对比的方法，以及通过ICP算法对齐两条轨迹的实现。主要内容包括：1) 使用evo_traj命令进行基本轨迹对比，但无法自动对齐；2) 提供Python脚本实现ICP对齐，包含读取KITTI格式数据、最近邻搜索、SVD变换计算等步骤；3) 展示对齐后的轨迹对比效果图和误差统计结果。该方法适用于没有时间戳的KITTI格式轨迹数据，通过ICP计算变换矩阵实现轨迹对齐，并输出RMSE和最大误差等评估指标。

CSM：想象给定一个栅格地图（或者submap子图），拿到当前帧的点云之后，怎样才能知道激光雷达所在的位置呢？最简单的办法，把激光雷达放在地图的每个格子上，计算在这个位置时，点云是否与地图重合，重合程度最高的位置就是激光雷达的位姿；前端：scan2map的方式，采用CeresScanMatch(初值不错，效果就不错)，外部传感器提供的初值不佳时（无imu等），采用RealTimeCSM去求得不错的初值；位姿外推器：在前端匹配之前，融合多传感器数据（odom，imu，lidar），提供前端匹配的初值；

满足条件的话基本可以一键安装cartographer。给出了测试用的数据和命令。

linux说白了，就是一个开源免费的操作系统，强大、安全、稳定、多并发性能得到业界广泛认可，很多项目都用linux（考虑到开发成本）在终端中复制粘贴：Ctrl+Shift+c进行复制，再用Ctrl+Shift+v进行粘贴。tab：一次tab命令补齐，如果没有补全，按两次tab可以提示内容，从而快速编写命令。硬件–>>内核（kernel）->>系统调用–>>应用程序。（5）复制文件$ cp （6）移动文件$ mv