Velodyne激光SLAM学习之激光雷达+IMU外参标定-lidar_align联合标定激光雷达和IMU外参

系统环境：Ubuntu 20.04

激光雷达：velodyne 16线

IMU ：WHEELTEC N100

 一、使用 lidar_align 雷达和IMU联合标定

GitHub - wwtx/lidar_align_wwtx
1. 安装依赖

sudo apt-get install libnlopt-dev

2. 下载源码编译

   

cd ~/lidar_align_ws/src
git clone https://github.com/wwtx/lidar_align_wwtx.git
cd ..
catkin_make

报错：

解决：

 将 lidar_align 文件夹下的 NLOPTConfig.cmake 复制到 ROS工作空间lidar_align_ws/src路径下面，再次编译

报错：

解决：

 CMakeLists.txt 文件夹里面的 " c++11 " 改为  " c++14 "再次编译

报错：

 解决： https://github.com/stevengj/nlopt

    git clone https://github.com/stevengj/nlopt.git
    cd nlopt
    mkdir build
    cd build
    cmake ..
    make
    sudo make install

再次编译 即可完成！！！！

3. 改写IMU接口

打开 src 文件夹下面的 loader.cpp 文件， 找到里程计部分注释掉，然后用下面的替换。。提供的代码中已经改写了，可能旧的版本里面没有改写，如果没有改写，按照参考博客连接里面的代码改写。。

修改完成之后再次 编译即可！

4. 录制数据,录制话题

联合标定需要录制bag 数据包，里面包括 激光数据 和 IMU 数据，需要先将激光雷达和 imu 固定好位置，然后再进行录制。。

验证imu 和 雷达安装的方向是否符合要求，(一般IMU坐标系和雷达坐标系方向一致就问题不大)，参考视频：https://www.youtube.com/watch?v=BOUK8LYQhHs

首先参考这个视频验证imu和雷达安装的方向是否符合要求，一般IMU坐标系和雷达坐标系方向一致就没多大问题

录制话题数据，旋转三个轴，XY轴不要大幅度旋转，录制时间大概2分钟，注意环境中避免出现移动物体，玻璃等反光物体。有条件的话可以放在小车等地面移动平台控制移动。

 (1) lidar 和 IMU 安装
 (2) 分别启动雷达和IMU

启动雷达参考： lidar 启动

启动IMU参考：  IMU 启动

    // 在进行下面的操作前 设备连接好
     
    // 激光雷达
    // 打开一个终端

    cd ~/catkin_ws
    catkin_make
    source devel/setup.bash
    roslaunch rubber_navigation lslidar_c16.launch

     
     
    // 再打开一个终端，查看雷达的话题

    rostopic list

     
     
    // IMU
    // 再打开一个终端

    cd ~/catkin_ws
    source devel/setup.bash
    roslaunch rubber_navigation imu_spec_msg.launch

     
    // 再打开一个终端, 查看 imu 话题  和  imu 数据
    rostopic list
     
   

rostopic echo /IMU_data /lslidar_point_cloud

 启动之后  看一下数据雷达和 imu  是否安装好
(3) 录制数据包

之后打开终端 录制数据

rosbag record -o lidar_imu.bag out /IMU_data /lslidar_point_cloud

(4) 修改 launch 文件

录制完成之后 修改 launch 文件的 bag  包路径。

 5. 进行标定

    cd ~/lidar_align_ws
    catkin_make
    source devel/setup.bash
    roslaunch lidar_align lidar_align.launch

执行完上面的过程，出现下面的开始标定的界面。

 然后运行launch文件，等待大概半小时的迭代优化时间。

标定完之后：

结果会保存到lidar_align/result  (result 是我自己改的文件名字) 文件下:

注意看迭代的实时误差，如果是在3000以内，则让他继续迭代。如果是一万以上的误差，则中止迭代，重新录制数据集或者再次运行迭代程序。

注意我们最终标定出来的外参数据不一定能用，也可以发现迭代同一组数据的结果其实是不一样的。

标定结束后会打印出标定结果：

下图4*4矩阵中前3*3为旋转矩阵

 这一个为平移矩阵：

五、将标定结果填入config文件里

打开LIO-SAM/config/params.yaml

修改话题名：

将旋转矩阵和平移矩阵分别填入lio-sam的config （/home/rubber/rubber_tapping_robot/rubber_ws/src/mapping/FAST_LIO/FAST_LIO/config/velodyne.yaml）文件：

 另外的，我用Fast-lio2程序验证，同样的也将标定结果填入该SLAM代码的config文件里，Lio-sam和Fast-lio2运行效果分别如下：

至此,联合标定就结束了！！！！