如何运行loam和其衍生算法

一、如何运行loam和其衍生算法

1. ros的一些例如bag play和run、rviz一些操作。

2. ros的一些衍生算法的内容a-loam、lego-loam等一些介绍和优劣。

3. 点云地图的保存方法介绍，使用效果如何。

3.1 第一种点云地图保存

3.2 第二种点云地图保存

3.3 Autoware文件的使用

二、点云地图查看：

三、pcd点云地图转ply格式

一、如何运行loam和其衍生算法

1. ros的一些例如bag play和run、rviz一些操作。

#运行loam算法的基本流程

参考github：GitHub - HKUST-Aerial-Robotics/A-LOAM: Advanced implementation of LOAM

1.首先在Ubuntu系统上面安装对应的ros 16.04或者18.04，ROS Kinetic or Melodic版本（在系统中可以采用ctri+alt+t启动终端，输入对应的命令进行查看）。

2.然后安装ceres非线性库。

3然后安装PCL点云处理库。

4.然后就是正式运行a-loam的流程。可以参考loam的编译安装运行

    cd ~/catkin_ws/srcgit clone https://github.com/HKUST-Aerial-Robotics/A-LOAM.gitcd ../catkin_makesource ~/catkin_ws/devel/setup.bash

这里的Git clone kitti的数据集可能因为网络速度而中断，可以使用别人知乎或者其他的地方的bag文件保存到工作空间内，然后进行播放运行，详情这里提供了一个bag文件的链接可见：

链接：https://pan.baidu.com/s/1ESYafH6oY9zDxZ8cHPQz8Q
提取码：hk9o

同时如何运行播放bag文件可见下文：

【ROS下使用Rviz加载可视化点云bag数据包】

2. ros的一些衍生算法的内容a-loam、lego-loam等一些介绍和优劣。

开源3D(视觉)SLAM算法汇总

序号	算法
1	Cartographer	Cartographer支持2D和3D激光雷达的输入，实现机器人定位，并构建栅格地图。2D-SLAM：基于2D栅格地图，可以直接用于导航。3D-SLAM：基于hybridGrid，译为混合概率地图，我理解为3D栅格地图。
2	hdl_graph_slam	能同时融合gps、imu和lidar三种传感器，不过相比Cartographer来说，它在资源消耗、代码复杂度和建图流程方面要精简不少。
3	Gmapping	Gmapping是ROS中最经典的基于粒子滤波的算法，缺点是无法构建大规模的地图。
4	LOAM	1. Cartographer主要解决室内问题，LOAM室内外都可以，但是没有回环检测 2. Cartographer的3D部分，更像是2D的扩展：即用2D的思路去做3D的事情。而LOAM则主要解决3D问题，其核心思路难以解决2D问题。 3. 提出了新颖的特征提取方式，角点和面点。 4. 根据时间戳，对旋转的雷达采集时间不一致进行运动补偿。 5. 融合了scan to scan（里程计部分） map to map（建图部分）的思想。 6. 没有回环检测。（发表时间较早，比谷歌Cartographer要早两年） 7. 不能处理大规模的旋转变换。
5	LeGO-LOAM	Lego-LOAM是TiXiao Shan发表在IROS2018的文章，其是以LOAM为框架衍生出的新算法，主要在于两点提升：轻量级和地面优化。 Segmentation：对点云进行分割，分割为地面和非地面区域； Feature Extraction：基于分割后的点，和LOAM类似的算法提取出边缘点和平面点； Lidar Odometry：基于提取的特征点，scan-to-scan推算两帧激光之间的相对位姿变换（使用两次LM优化），频率较高（10Hz）； Lidar Mapping： scan-to-map，构建全局地图，获得世界坐标系下的位姿，频率较低（2Hz）； Transform Intergration：与LOAM相同，实时利用世界坐标系下的位姿和两个时刻之间的相对位姿，更新各个时刻世界坐标系下的位姿。
6	LIO-SAM	LIO-SAM是TixiaoShan在2020年IROS发表的Lego-LOAM续作。实际上也是Lego-LOAM 的扩展版本，添加了IMU预积分因子和GPS因子。使用关键帧Keyframe，使用关键帧进行匹配，丢掉了关键帧之间的帧。（阈值设置为1m和10度）四种因子： 1.IMU预积分因子； 2.雷达里程计因子，激光“关键帧” 和 “之前的 N个关键帧构成的体素地图” 进行匹配； 3.GPS因子：当估计位姿的方差大于GPS位置方差时加入； 4.回环检测因子，由关键帧和候选关键帧相邻的2m+1个关键帧帧图匹配得到。该方法使用多传感器融合的方法，利用因子图优化，计算位姿；回环检测部分基本和Lego-LOAM的特点一致，即不具备重定位能力（该方法前提是需要知道自己的大致位置，和历史中附近的位置进行匹配。
7	S-LOAM
8	M-LOAM
9	livox-loam
10	Livox-Mapping
11
12
13
14
15
16

1. LOAM缺点：

没有回环检测；计算时间复杂度较高，基于三维空间中的位姿进行优化；

户外可能受到各种噪声影响，例如树上摇晃的树叶，地上的杂草。而这些点未必会重复出现在前后两帧激光中。而错误的特征点将会影响位姿精度。

LOAM需要提取平面点和边缘点，由于车体上下颠簸，竖直维度提取的平面点很容易造成误差。

2. 因此Lego-LOAM的贡献：1.着重于解决一些非城市化道路或非平整道路上LOAM存在的问题。2.轻量化，改进算法，使其在TX2上也可以实时运行。

3. Lego-LOAM有一个显著的缺陷——依赖地面。如果用无人机，那么就难以确定地面了。当然论文作者提到，对于无人机，则不提取地面点，直接就像LOAM中那样正常提取边缘点和平面点。但是我认为这样算法的核心优势就丢掉了。

3. 点云地图的保存方法介绍，使用效果如何。

图1 当时跑lego-loam算法开的终端效果

1.首先是在打开一个终端：输入roscore

2.然后是使用rostopic查找点云播放主题，方便使用rviz的时候进行订阅。

3.然后是输入roslaunch roslaunch kitti_2011_09_26_drive_0001_synced.bag(这里使用的是一个包的文件，打开可以使用其他录制的包文件。)

4.是使用rosbag play 包的名称（后面加上 -l 就是循环播放的意思）

5.最后是使用rosrun rviz rviz（）（然后是打开rviz之后订阅你的主题文件，完成一个发送和接受的过程，有些人用的是rviz rviz）

一些常用的rosbag操作命令

1.Rosbag play --pause bagFile01.bag

暂停播放，等待按空格开启播放：

2.Rosbag play --clock bagFile01.bag

播放录制文件时顺带显示录制文件的时间戳：

3.Rosbag play -i bagFile01.bag

立即播放录制文件，不再等待0.2s了：

4.Rosbag play bagFile01.bag bagFile02.bag …

播放多个录制文件：

5.Rosbag play --pause bagFile01.bag

暂停播放，等待按空格开启播放：

1.3.1 第一种点云地图保存

#运行A-LOAM（首先使用终端需要使用 roscore 命令启动 ros ）

1. roslaunch aloam_velodyne aloam_velodyne_VLP_16.launch（该行表示在另起一个终端，定位到loam算法的位置，最好是在你的工作空间执行）

#另起终端运行rosbag
2.rosbag play xxx.bag

#另起终端用bag_to_pcd方法保存点云图
3.rosrun pcl_ros bag_to_pcd xxx.bag /laser_cloud_surround pcd

运行结束，可以看到生成了一个pcd文件夹，将里面的文件按照修改时间排序，最新的就是最后的点云地图pcd文件。

3.2 第二种点云地图保存

#运行A-LOAM
1. roslaunch aloam_velodyne aloam_velodyne_VLP_16.launch

#另起终端运行rosbag
2. rosbag play xxx.bag

#另起终端，用pointcloud_to_pcd方法保存点云图
3.mkdir pcd
cd pcd
rosrun pcl_ros pointcloud_to_pcd input:=/laser_cloud_surround

运行结束，可以看到生成了一个pcd文件夹，将里面的文件按照修改时间排序，最新的就是最后的点云地图pcd文件。