gazebo中给机器人添加16线激光雷达跑LIO-SAM

目录：

• • 前言
  • 1、下载雷达仿真包
  • 2、添加雷达支架描述文件
  • 3、添加雷达描述文件
  • 4、启动仿真
  • 5、添加IMU模块
  • 6、添加RGB-D相机
  • 7、LIO-SAM仿真
  • • 安装依赖
    • 安装GTSAM
    • 编译LIO-SAM
    • 运行
    • 8、源码
    • 遇到的问题
    • • • • 1、error: ‘class std::unordered_map’ has no member named ‘serialize’
          • 2、gazebo中机器人静止，rviz中反复横跳
          • 3、运行时报错 [lio_sam_mapOptmization-5] process has died [pid 260348, exit code -11
          • 4、运行时报错 error while loading shared libraries: [libmetis-gtsam.so](https://link.zhihu.com/?target=http%3A//libmetis-gtsam.so/): cannot open shared object file: No such file or directory
          • 5、运行时报 Warning: TF_REPEATED_DATA ignoring data with redundant timestamp for frame

            前言

            最近想搭建一个机器人移动平台，但是设备还没完全到齐，在设备全部到齐之前，我们先在gazebo中做一个仿真，进行相关的算法和功能包的部署。在这个仿真中机器人在一个移动底盘上搭载了16线激光雷达、IMU、RGB-D相机，并在最后跑了一个LIO-SAM，建图效果还不错。整个过程遇到了一些问题，都一一解决了，对主要的问题做了一些记录，有其他问题的可以在讨论区回复。另外，本工程的源码放在在GitHub上，欢迎大家下载学习。

            1、下载雷达仿真包

            首先下载VLP的激光雷达的仿真开发包到自己的工作空间中

            git clone https://bitbucket.org/DataspeedInc/velodyne_simulator/src/master/
            

            下载之后 /src 的文件结构如下

            

            下载好激光雷达的仿真包之后重新catkin_make一次，主要是为了生成激光雷达的点云产生库文件，不然后面仿真的时候会没有点云相关话题。编译一次之后就会在我们工作空间的的devel/lib文件夹下生成两个动态链接库如下：

            

            在仿真中会调用这两个库生成点云信息。

            2、添加雷达支架描述文件

            给激光雷达添加一个支架，把激光雷达在车上立起来，在自己的机器人包里面的urdf文件夹里面新建一个 laser_support.xacro 文件写入如下内容

            
              
               
               
               
               
               
               
              
                  
                      
                      	
                      
                      
                      
                      	
                      
                  
                  
                      
                      	
                      
                      
                  
                  
              
              
                  
                  
                  
              
              
              Gazebo/White
              
            
            

            3、添加雷达描述文件

            在机器人的base.xacro描述文件中添加激光雷达的描述

            首先，包含激光雷达的支架描述文件

            

            然后，添加雷达的两个属性描述变量

            

            最后，包含激光雷达的描述文件，这里会用到上面两个属性变量

            

            4、启动仿真

            编写launch文件，启动rviz看看我们的机器人

            roslaunch之后就可以打开gazebo和rviz，并在里面显示我们的机器人携带着激光雷达如下：

            

            

            此时可以打开我们的话题，看看是否有点云输出

            

            可以看到是有点云话题的，我们在rviz里面尝试把点云可视化出来看看

            

            可以看到我们的点云是正常输出的。注意，我们我们为了在gazebo里面看到我们的机器人，所以没有在gazebo里面吧激光点云可视化出来，如果想要可视化可以通过修改 VLP-16.urdf.xacro 文件中这个地方

            

            修改之后，我们就可以在gazebo里面看到激光点云了，如下：

            

            把我们的车都给盖住了，16线激光雷达的点云还是比较稠密的。现在激光雷达已经加入到仿真中了，下一步我们跑一个经典的激光SLAM框架 LIO-SAM试试看。

            5、添加IMU模块

            因为我们需要跑的框架是LIO-SAM，需要用到IMU模块，所以我们在仿真中也添加进去。同样地，我们在工程中的urdf文件夹下面再增加一个 imu.xacro文件

              
                
                    
                    
                    
                    
                     
                    
                    
                        
                        
                        
                        
                    
                        
                    
                        
                            
                            
                                    
                                            
                            
                            
                            
                        
                        
                            
                                
                            
                            
                        
                        
                    
                    
                    
                        Gazebo/Bule
                        true
                        
                        true
                        100
                        true
                        __default_topic__
                        
                            imu/data
                            imu_base
                            100.0
                            0.01
                            0 0 0     
                            0 0 0
                            imu_base        
                        
                        0 0 0 0 0 0
                    
                    
                
            
            

            然后在我们主描述文件 base.xacro中包含这个文件

            

            6、添加RGB-D相机

            我们这里使用一个realsense系列的RGB-D相机，先去下载它的仿真SDK

            $ git clone https://github.com/nilseuropa/realsense_ros_gazebo.git
            

            这里是下载到工程的源码目录下

            

            然后同样地，在主描述文件base.xarco中把相机也包含进去

            

            添加完之后，我们这个仿真机器人已经配备了 IMU、RGB-D相机、16线激光雷达这些传感器，我们把环境启动起来，看看发布了多少话题

            

            可以看到发布了很多话题，双目的、IMU的、点云的……都有，基本是机器人配置已经完成，下面准备跑一个SLAM框架试试

            7、LIO-SAM仿真

            安装依赖

            $ sudo apt-get install -y ros-noetic-navigation
            $ sudo apt-get install -y ros-noetic-robot-localization
            $ sudo apt-get install -y ros-noetic-robot-state-publisher
            

            安装GTSAM

            $ git clone https://github.com/borglab/gtsam
            $ cd gtsam
            $ mkdir build && cd build
            # 注意这里要加-DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF这个选项，不然后面运行会报错
            $ cmake -DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF ..
            $ sudo make install -j8
            $ sudo ln -s /usr/local/lib/libmetis-gtsam.so /usr/lib/libmetis-gtsam.so
            

            编译LIO-SAM

            $ cd ~/robot_ws/src
            $ git clone https://github.com/TixiaoShan/LIO-SAM
            $ cd ..
            $ catkin_make
            

            运行

            首先启动仿真环境

            $ roslaunch scout_gazebo scout_gazebo.launch
            

            

            然后启动 lio-sam

            $ roslaunch lio_sam run.launch
            

            

            最后启动我们的控制机器人移动的节点，这个节点是ros自带的一个包，通过sudo apt install ros-noetic-teleop-twist-keyboard命令安装，这个节点主要是发布速度信息到 /cmd_val控制机器人在gazebo中进行移动，移动机器人即可进行建图

            $ rosrun teleop_twist_keyboard teleop_twist_keyboard.py
            

            

            可以看到机器人在gazebo中接收我们的运动控制指令进行运动，lio-sam节点进行了位姿估计与建图。

            8、源码

            这里我把源码上传到我的GitHub仓库，大家可以自行下载进行实验

            https://github.com/linzs-online/robot_gazebo.git

            遇到的问题

            1、error: ‘class std::unordered_map’ has no member named ‘serialize’

            原因：PCl库依赖的flann与Opencv冲突。opencv头文件中的一些宏定义和flann库中的冲突

            解决：保证pcl库中依赖的flann在opencv头文件之前先包含进去。我这里是把opencv的头文件放在PCL库之后就解决 了

            

            2、gazebo中机器人静止，rviz中反复横跳

            原因：lio-sam会对点云进行下采样滤波，滤波体素设置太大了，匹配过程出现误差，导致机器人优化出来的位姿反复横跳。

            解决： 因为我们这里是在室内建图，所以在lio-sam的配置文件中把体素大小设置小一些

            

            3、运行时报错 [lio_sam_mapOptmization-5] process has died [pid 260348, exit code -11

            解决: gtsam编译时带上这个参数，cmake -DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF …

            4、运行时报错 error while loading shared libraries: libmetis-gtsam.so: cannot open shared object file: No such file or directory

            解决: sudo ln -s /usr/local/lib/libmetis-gtsam.so /usr/lib/libmetis-gtsam.so

            5、运行时报 Warning: TF_REPEATED_DATA ignoring data with redundant timestamp for frame

            原因：机器人TF变换不正常

            

            解决：通过运行 roswtf 命令分析目前环境中的TF变换，这里查到是 base_link 和odom这两个坐标之间的变换产生了冲突

            

            显然，是我们的gazebo仿真中的控制已经发布了 base_link 到 odom 的TF变换，但是我们的 SLAM节点又发布了一次，这两个产生了冲突，下面我们通过修改lio-sam发布的TF变换来解决这个问题，修改lio-sam的配置文件，把SLAM位姿估计结果发布的坐标换个名字即可