运行S-LOAM激光SLAM程序

目录

1、创建ros工程

2、编译S-LOAM源码

3、准备点云数据

4、运行S-LOAM程序

5、S-LOAM优缺点说明

---

1、创建ros工程

（1）打开一个文件夹用来存放ros工程 

在Ubuntu16.04系统中打开一个文件夹，用来创建ros工程。比如在Home文件夹中创建了awkp/myros文件夹，即文件夹路径如下

/home/hccmap/awkp/myros

（2）打开终端创建ros工程

在此文件夹中单击鼠标右键，选择打开终端窗口，此时命令行所处路径为当前窗口（这个路径与上面的路径相同），如下所示

hccmap@ubuntu:~/awkp/myros$ 

说明：这个路径是窗口自动显示的提示文字，表示当前命令行环境。我们只需要在提示符"$"后面输入命令即可。

创建ros工程文件夹（工程根目录）及其子文件夹，输入如下命令并按回车键。

mkdir -p test_sloam/src

进入到工程文件夹（工程根目录）中。

cd test_sloam

编译ros工程（完成）。

catkin_make

这三个步骤连续进行，在窗口中显示如下

 创建后的工程目录如下

ros功能包都需要放到ros工程根目录的src文件夹中，然后才能编译运行。

2、编译S-LOAM源码

S-LOAM算法是一个ros功能包，因此需要将此源码放入ros工程根目录的src文件夹中。

S-LOAM源码地址为（https://github.com/haocaichao/S-LOAM）。

下载S-LOAM源码，如下图所示。

 将S-LOAM-main.zip解压后，放入“test_sloam/src”目录中，即此时的路径如下。

/home/hccmap/awkp/myros/test_sloam/src/S-LOAM-main

切换目录，进入工程文件夹test_sloam中（工程根目录），在此处打开新终端，输入ros工程编译命令

catkin_make

如果依赖库安装齐全，则会显示编译成功，如下图所示。

 S-LOAM的依赖库同lego-loam和a-loam。

即S-LOAM依赖gtsam和ceres库，这里需要注意版本问题及其与eigen库的兼容性。

3、准备点云数据

S-LOAM默认的点云数据是64线激光雷达数据。

在S-LOAM的头文件header.h中定义了扫描线数变量（如下），可以修改为16线（以velodyne激光雷达为参考）。

//int N_SCAN_ROW=16;    // 激光雷达线数，16线
int N_SCAN_ROW=64;      // 激光雷达线数，64线

程序之所以默认64线，是因为有一个64线测试数据slam闭环效果较明显（截取自kitti数据集）。

数据集如下。

kitti_loop_eloam.bag（6G，64线）

百度网盘地址（https://pan.baidu.com/s/1EUNOlCNct71_4_OF0STjuA）。

提取码（dydg）。

下载后将其放入Ubuntu16.04系统中的一个文件夹中，比如放到下面data文件夹中

/home/hccmap/awkp/myros/data

4、运行S-LOAM程序

切换目录，进入工程文件夹test_sloam中（工程根目录），在此处打开新终端。

先输入下面命令

source devel/setup.bash

回车后再输入下面命令，然后再回车。

roslaunch sloam run.launch

窗口如下

 运行S-LOAM后会自动打开rviz，等待点云数据的输入。

现在需要运行点云数据kitti_loop_eloam.bag。

先切换目录，进入存放点云数据的文件夹中，在此处打开新终端，输入rosbag播放命令，如下。

rosbag play kitti_loop_eloam.bag

窗口如下图。

 此时可以看到rviz中S-LOAM运行效果，如下。

 

5、S-LOAM优缺点说明

优点是代码量小，只有几百行代码，易于学习，方便修改试验。

缺点是代码量小，只使用了帧帧配准方法，极易在长廊环境中误匹配。

当然，每个slam程序都有适用环境（都不是万能的），我们需要根据使用目的去增加与改善代码，其中，S-LOAM是基础。

改进方法之一是增加帧图配准。

改进方法之二是融合IMU传感器数据进行激光SLAM。