ROS评估LIO-SAM算法教程（1）

        前段时间一直在学习SLAM 算法的相关内容，通过阅读相关文献，发现了所有论文必不可缺的一部分内容是SLAM算法的性能评估，诸多论文中大多数采用实地实验的仿真实验，其中仿真实验主要是利用算法来跑各类的数据集，其中使用最多的是kitti数据集，但是通过这段时间的学习，发现所有的相关教程文章都比较针对性的解决问题，而缺少了保姆级教学，为了方便大家以后更快入门。

1. KITTI数据集

这里提供的是KITTI数据集官网网站，不少同学刚入门时不太懂得论文中总是列举00 01 02序列都是什么意思，这里我也提供一个关系对应表。

The KITTI Vision Benchmark Suite (cvlibs.net)

00: 2011_10_03_drive_0027
01: 2011_10_03_drive_0042
02: 2011_10_03_drive_0034
03: 2011_09_26_drive_0067
04: 2011_09_30_drive_0016
05: 2011_09_30_drive_0018
06: 2011_09_30_drive_0020
07: 2011_09_30_drive_0027
08: 2011_09_30_drive_0028
09: 2011_09_30_drive_0033
10: 2011_09_30_drive_0034

每一个序列都是对应的相应的数据集，这里的11个数据集都是带有轨迹真值，所以知网中看到的所有论文都是大多数跑这11个数据集，方便算法的评估。

1.1 数据集下载

进入官网后找到raw_date