多传感器融合SLAM --- 9.LIO-SAM如何运行、运行节点介绍

已于 2023-06-03 17:09:01 修改
阅读量1k 收藏 3
点赞数
分类专栏： 多传感器融合SLAM（LIDAR、IMU、相机） 文章标签： 激光SLAM RVIZ 算法 自动驾驶
于 2023-06-01 10:11:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41694024/article/details/130981649
版权
本文详细介绍了LIO-SAM如何通过run.launch文件启动，包括了LOAM模块、机器人状态发布器、navsat、rviz等各个节点的启动和作用，解析了launch文件中的参数加载和节点启动过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

1 LIO-SAM如何运行起来的

1.1 run.launch --- LIO-SAM主节点

1.2 module_loam.launch ---- 代码！启动！

1.3  module_robot_state_publisher.launch --- 构建三维机器人、发布机器人信息

1.4 module_navsat.launch

1.5  module_rviz.launch RVIZ启动

1 LIO-SAM如何运行起来的

1.1 run.launch --- LIO-SAM主节点

        我们在catkin_ws目录下用命令行输入代码，然后播放我们的数据包：

source devel/setup.bash
roslaunch lio_sam run.launch

        LIO-SAM的所有节点就已经运行起来了，并且通过RVIZ可视化展示给我们：

        为了理解我们怎么运行起来的，我们先看看run.launch文件：

<launch>

    <arg name="project" default
了解本专栏 订阅专栏 解锁全文 超级会员免费看
多传感器融合SLAM --- 8.LIO-SAM基础知识解读
qq_41694024的博客
06-01 1135
多传感器融合SLAM --- 8.LIO-SAM基础知识解读
多传感器融合SLAM --- 10.LIO-SAM前端代码分析 imuPreintegration.cpp
qq_41694024的博客
06-03 576
多传感器融合SLAM --- 10.LIO-SAM前端代码分析 imuPreintegration.cpp
【SLAM】Ubuntu20.04下运行LIO-SAM（图文结合，保姆级教程）
m0_69788330的博客
12-25 1261
！写在前面！！
运行LIO-SAM
cyx610481953的博客
03-22 2270
LIO-SAM运行官网数据集 1.安装LIO-SAM并下载数据集 首先根据github官网链接: https://github.com/TixiaoShan/LIO-SAM#prepare-lidar-data安装好LIO-SAM，并下载好官网提供的数据集 2.修改参数文件 运行前需要先修改param.yaml文件里的参数。修改如下： lio_sam: # Topics pointCloudTopic: "points_raw" # Point cloud data
激光SLAM学习记录系列（一）：LIO-SAM运行实例
weixin_57071388的博客
05-22 1861
激光SLAM算法的LIO-SAM实例运行
运行LIO-SAM步骤（存档自用）
shilininiya的博客
04-03 549
source devel/setup.bash不是一劳永逸的，每次编译之后都需要加载环境变量。若觉得过于麻烦，可以使用下列命令打开.bashrc文件。rosbag主要使用在一些内存较小的包中，若包较大，可以使用。运行时经常会记漏步骤，写一下步骤存档自用。
LIO-SAM实测运行
ymh博客
06-30 499
3D SLAM框架 LIO-SAM实测
雷达+ IMU标定 运行LIO-SAM ---(1)
chrishuimin的博客
07-03 2040
IMU
多传感器融合SLAM --- 13.LIO-SAM地图优化代码分析 mapOptmization.cpp（地图优化部分）
qq_41694024的博客
06-06 802
多传感器融合SLAM --- 13.LIO-SAM地图优化代码分析 mapOptmization.cpp（地图优化部分）
多传感器融合SLAM --- 7.LIO-SAM论文解读（紧耦合的激光雷达惯性SLAM）
qq_41694024的博客
05-28 1293
多传感器融合SLAM --- 7.LIO-SAM论文解读（紧耦合的激光雷达惯性SLAM）
LIO-SAM:LIO-SAM
03-18
LIO-SAM 实时激光雷达惯性测距软件包。我们强烈建议用户彻底阅读本文档，并首先使用提供的数据集对软件包进行测试。有关该方法演示的视频可在找到。 菜单 （必须读取） （必须读取） 系统架构 我们设计了一个系统，该系统维护两个图形，并且运行速度比实时速度快10倍。 “ mapOptimization.cpp”中的因子图可优化激光雷达测距因子和GPS因子。在整个测试过程中，该因子图始终保持不变。 “ imuPreintegration.cpp”中的因子图可优化IMU和激光雷达测距因子，并估算IMU偏差。该因子图会定期重置，并确保在IMU频率下进行实时里程计估算。 相依性 （经过动力学和旋律测试） sudo apt-get install -y ros-kinetic-navigation sudo apt-get install -y ros-kinetic-robot-localiz
Ubuntu20.04成功运行LIO-SAM
qq_40245244的博客
01-25 2900
运行过程参考以上博客，现在把自己的安装运行过程记录下来。
LIO-SAM运行自己数据包遇到的问题解决--SLAM不学无数术小问题
热门推荐
weixin_42141088的博客
06-19 2万+
LIO-SAM 成功适配自己数据集 注意本文测试环境 Ubuntu18.04 ROS melodic版本 笔者用到的硬件以简单参数： 激光雷达：速腾聚创16线激光雷达（RS-Lidar-16） IMU：超核电子CH110型 9轴惯导，使用频率100Hz 背景   笔者一直在测试3D-SLAM算法中具有优异性能的建图算法，之前入门的时候测试了LOAM，LeGo-LOAM，BLAM等算法 。以上算法全是单激光雷达数据即可建图的算法，建图效果有差别但是不大。之前注意到了激光雷达融合IMU的优异性能，准备上手一
运行LIO_SAM过程及出现的错误，跑通数据集，安装LIO_SAM环境配置
weixin_68647501的博客
11-13 3759
运行LIO_SAM过程及出现的错误
lio-sam实操运行，利用velodyne16线 + 轮趣WHEELTEC N100进行内外参标定
zhiguorui123的博客
02-22 1164
lio-sam实操运行，利用velodyne32线 + 轮趣WHEELTEC N100进行内外参标定
3D激光雷达-Robotsense使用---LIO_SAM测试
weixin_41560777的博客
05-26 2523
使用3D激光雷达-Robotsense测试LIO_SAM
运行 LIO-SAM 建议安装的 gtsam 版本
qq_39779233的博客
12-06 4585
运行 LIO-SAM 建议安装的 gtsam 版本
LIO-SAM运行WHU-TLS Tunnel数据集（一）环境配置
shilininiya的博客
05-07 1698
WHU-TLS Tunnel介绍：全名是地面站扫描点云配准基准数据集，由武大发布、全球最大，总共从 11 个不同环境（即地铁站、高铁站台、山地、森林、公园、校园、住宅、河岸、文物建筑、地下挖掘和隧道）收集了超过 17.4 亿个 3D 点，具有不同的点密度、杂波和遮挡。还为研究人员提供了地面实况变换计算的变换和配准图，旨在更好地比较和深入了解不同配准方法在共同基础上的优缺点。我们希望该基准测试能够满足研究界的需求，并成为开发尖端TLS点云配准方法的重要数据集。
LIO-SAM官方安装/论文解读/代码解析/原理理解
不会起名的小码的博客
05-06 4656
增量式里程计是一个平滑的结果不会有大幅度的位姿跳跃，适用于因子图优化时，帧间的位姿变换对imu预积分的约束。而后端优化后的里程计经过联合因子图优化后（尤其是回环时全局的位姿的调整），其帧间的位姿变换幅度可能较大，这样对IMU预积分的约束就起不到什么效果，也就无法准确的更新IMU偏置。用增量式里程计信息结合imu预积分信息进行联合的因子图优化，更新IMU偏置。因子图优化更新当前帧位姿、速度、imu偏置。前两个可以采用后端优化后的里程计信息，故不可替代的是更新imu偏置。
lio-sam运行数据并rviz可视化
最新发布
03-26
LIO-SAM 是一种结合激光雷达和惯性测量单元（IMU）的 SLAM 系统，能够实现高精度的地图构建和定位功能。为了运行 LIO-SAM 并通过 RVIZ 实现数据可视化，以下是具体方法： #### 1. 安装依赖项 在运行 LIO-SAM 前，需...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

APS2023

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值