ubuntu18 setup Lego-loam

LeGO-LOAM实践笔记（二）-激光雷达VLP-16的连接使用VLP-16跑通Lego-LOAM这里就不一一列举了哈下一篇文章分享以下如何处理得到的bag包。

直接去官网按照ros wiki来 Setup your sources.list sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list' Set up your keys sudo apt install curl # if you haven't already installed curl cu

SLAM小白，因为项目花半天时间跑bag，实现无人船的建图，编译SLAM算法 LeGO-LOAM和跑包

本文对比评测了LOAM、Lego-LOAM和SC-Lego-LOAM三种激光SLAM算法在点云质量上的差异，重点分析它们通过Octomap生成2D导航地图的效果。测试结果显示，SC-Lego-LOAM在动态物体处理和地图完整性方面表现最优，而Lego-LOAM在计算效率上更具优势。文章提供了详细的参数配置建议和场景化选型方案，帮助开发者根据实际需求选择最适合的SLAM算法。

当第一次编译代码时，需要在“catkin_make”后面添加“-j1”以生成一些消息类型。将来的编译不需要“-j1”。编译时出现错误，找不到Cmake文件，则需要在路径中添加相应的环境变量。一定要加--clock时间，这样才能生成完整的全局地图。#下载编译Lego_loam。运行lego_loam程序。在代码建图过程中保存数据。utility文件修改。...

编译安装Gtsam git clone https://bitbucket.org/gtborg/gtsam.git cd gtsam mkdir build cd build cmake .. sudo make install 编译LeGO-LOAM cd ~/lego-loam_ws/src git clone https://github.com/RobustFieldAutonomyLab/LeGO-LOAM.git cd .. catkin_make -j1 运行LeGO

记录编译运行流程、修改了保存位姿和轨迹代码、解决了evo 尺度、旋转对比不上的问题、kitti转tum格式、kitti2bag转换，lio位姿漂移等问题。

LEGO loam第一次测试运行数据包nsh_indoor_outdoor成功： 记录以下，以免自己忘记步骤 在第一个终端里： 1.source catkin_ws/devel/setup.bash（直接运行第二行可能报错） 如下：RLException: [run.launch] is neither a launch file in package [lego_loam] nor is [lego_loam] a launch file name The traceback for the except

rosbag play *.bag --clock --topic /velodyne_points /imu/data # 有IMU单元的加上 /imu/data，没有的将其去掉即可（注意空格）cmake --version # 需要 CMake >= 2.6。gcc -v # 需要 gcc >= 4.7.3。三、运行LeGO-LOAM，并读取bag。二、下载编译LeGO-LOAM。# 第一步：安装依赖的功能包。# 第三步：下载gtsam。# 运行LeGO-LOAM。一、下载安装gtsam。

因此，笔者结合这两种方法，修改了第二种方法，解决了第二种方法的缺点，得到了我想要的bag。

在Ubuntu 20.04上安装和运行LeGO-LOAM确实是一个充满挑战的过程，期间可能会遇到不少问题。在这里记录并分享我的经验，希望能为有需要安装和编译该算法的朋友们提供一个全面的参考指南。本文在上一篇博客的基础上安装，确保已安装相关的依赖。一、安装gtsam。

配置lego-loam教程: 激光雷达与imu的外参标定教程: lego-loam默认可以没有imu信息,但有imu建图效果会更好 配置跑通lego-loam后,进行​ 外参标定,得到标定结果. 开始修改程序参数: 确认utility.h文件中imu的话题名称是否正确: extern const string imuTopic = "/imu/data"; [点击并拖拽以移动] featureAssociation.cpp中修改外参(大约193行): ​...

一. 地面点的提取 1.动机：在LEGO-LOAM的实验数据中，有地面都是草坪的情况。对于这种地面，如果直接用LOAM，那么就会有一些边缘特征点落在草地上（因为草地的参差），这是拉了位姿估计的后腿的，结果会非常不稳定。 2.缺点：LEGO-LOAM中用到的提取方法需要满足雷达水平安装，或者雷达倾斜安装但已知安装角度的前提。如果是手持设备，这个方法就不太可行，因为手持时不能保证雷达和地面一直都是平行的。 3.方法：相邻行的激光点，求取垂直差距和水平面内差距的atan值，小于15度就可以被认为是地面点。这里有一

前言 上一篇博文我们从头到尾的讲解了一遍如何将LeGO-LOAM安装到一台全新的白白胖胖的电脑上，并且利用官方数据集验证了我们安装是否正确。我们学习LeGO-LOAM的目的呢，自然是为了做项目，那肯定就涉及移植了，不过这篇博文，我们不会涉及深入的东西，让我们先着眼于修改一下LeGO-LOAM所使用的传感器设置，使之能够跑通我们自己采集的数据。 入门知识 无论学习什么，基础总规是最重要的。为了能够完...

LeGO-Loam代码解析（一） 项目介绍、论文解读、配置安装

【代码】利用Lego-Loam算法，跑数据集建图。

LOAM、LEGO-LOAM与LIO-SAM的知识总结

注意：本文笔者使用环境：Ubuntu18.04 ROS melodic 版本 背景 3D SLAM新手，在看到了各种狂拽炫酷的3D点云图的之后决定亲自上手一试，首先当然的是最为经典的LOAM算法了，使用的是这位大佬的教程 ：链接: LOAM进行点云地图创建.大佬的教程基本没有什么致命的错误，一般是可以直接成功的。使用了官方的数据包也没出现什么问题，还算比较顺利。不深究算法原理也算是成功了。 那么接下来当然就是进阶了，正好实验室购置了一台雷达，自己采了数据。接下来选择的算法是LeGo-LOAM的

same_start_end_position数据集，搜了很久都是谷歌网盘的，放个百度云的，有需要自取哈。链接：https://pan.baidu.com/s/1528BIsZyVdk8-fMKFjhWSA。如有侵权，联系立删~