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<unsigned int, std::vector<unsigned int> >’ 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
<?xml version="1.0"?>
<robot name="laser_support" xmlns:xacro="http://wiki.ros.org/xacro">
<!-- 雷达支架 -->
<xacro:property name="support_length" value="0.30" /> <!-- 支架长度 -->
<xacro:property name="support_radius" value="0.025" /> <!-- 支架半径 -->
<xacro:property name="support_x_size" value="-0.2" /> <!-- 支架安装的x坐标 -->
<xacro:property name="support_y_size" value="0.0" /> <!-- 支架安装的y坐标 -->
<xacro:property name="support_z_size" value="${base_z_size}" /> <!-- 支架安装的z坐标:底盘高度 / 2 + 支架高度 / 2 -->
<xacro:property name="support_m" value="0.02" /> <!-- 支架质量 -->
<link name="support">
<visual>
<geometry>
<cylinder radius="${support_radius}" length="${support_length}" />
</geometry>
<origin xyz="0 0 0" rpy="0.0 0.0 0.0" />
<material name="red">
<color rgba="0.8 0.2 0.0 0.8" />
</material>
</visual>
<collision>
<geometry>
<cylinder radius="${support_radius}" length="${support_length}" />
</geometry>
<origin xyz="0 0 0" rpy="0.0 0.0 0.0" />
</collision>
<xacro:cylinder_inertial_matrix m="${support_m}" r="${support_radius}" h="${support_length}" />
</link>
<joint name="support2base_link" type="fixed">
<parent link="base_link" />
<child link="support" />
<origin xyz="${support_x_size} ${support_y_size} ${support_z_size}" />
</joint>
<gazebo reference="support">
<material>Gazebo/White</material>
</gazebo>
</robot>
3、添加雷达描述文件
在机器人的base.xacro描述文件中添加激光雷达的描述
首先，包含激光雷达的支架描述文件
然后，添加雷达的两个属性描述变量
最后，包含激光雷达的描述文件，这里会用到上面两个属性变量
4、启动仿真
编写launch文件，启动rviz看看我们的机器人
<launch>
<arg name = "model_xacro" default = "$(find scout_gazebo)/urdf/base.xacro" />
<!-- 将 Urdf 文件的内容加载到参数服务器 -->
<param name="robot_description" command="$(find xacro)/xacro $(arg model_xacro)" />
<!-- Launch the joint state publisher -->
<node name="joint_state_publisher" pkg="joint_state_publisher_gui" type="joint_state_publisher_gui" ></node>
<!-- Launch the robot state publisher -->
<node name="robot_state_publisher" pkg="robot_state_publisher" type="robot_state_publisher" />
<!-- Loading rviz files -->
<node name="rviz" pkg="rviz" type="rviz" args="-d $(find scout_gazebo)/config/show_robot.rviz" />
<!-- 启动 gazebo -->
<include file="$(find gazebo_ros)/launch/empty_world.launch">
<arg name="world_name" value="$(find scout_gazebo)/worlds/lab.world" />
</include>
<!-- 在 gazebo 中显示机器人模型 -->
<node pkg="gazebo_ros" type="spawn_model" name="model" args="-urdf -model scout -param robot_description" />
</launch>
roslaunch之后就可以打开gazebo和rviz，并在里面显示我们的机器人携带着激光雷达如下：
此时可以打开我们的话题，看看是否有点云输出
可以看到是有点云话题的，我们在rviz里面尝试把点云可视化出来看看
可以看到我们的点云是正常输出的。注意，我们我们为了在gazebo里面看到我们的机器人，所以没有在gazebo里面吧激光点云可视化出来，如果想要可视化可以通过修改 VLP-16.urdf.xacro 文件中这个地方
修改之后，我们就可以在gazebo里面看到激光点云了，如下：
把我们的车都给盖住了，16线激光雷达的点云还是比较稠密的。现在激光雷达已经加入到仿真中了，下一步我们跑一个经典的激光SLAM框架 LIO-SAM试试看。
5、添加IMU模块
因为我们需要跑的框架是LIO-SAM，需要用到IMU模块，所以我们在仿真中也添加进去。同样地，我们在工程中的urdf文件夹下面再增加一个 imu.xacro文件
<?xml version="1.0"?>
<robot xmlns:xacro="http://wiki.ros.org/xacro">
<xacro:macro name="imu" params="sensor_name parent_link *origin">
<xacro:property name="imu_offset_x" value="0" />
<xacro:property name="imu_offset_y" value="0" />
<xacro:property name="imu_offset_z" value="0.2" />
<xacro:property name="imu_size" value="0.05" />
<xacro:property name="imu_m" value="0.01" /> <!-- imu质量 -->
<!-- imu -->
<joint name="imutobase" type="fixed">
<!-- <origin xyz="${imu_offset_x} ${imu_offset_y} ${imu_offset_z}" rpy="0 0 0" /> -->
<xacro:insert_block name="origin" />
<parent link="${parent_link}"/>
<child link="imu_base"/>
</joint>
<link name="imu_base">
<visual>
<origin rpy="0 0 0" xyz="0 0 0" />
<geometry>
<box size="${imu_size} ${imu_size} ${imu_size}"/>
</geometry>
<material name= "black" >
<color rgba="1.0 0.0 0.0 0.6" />
</material>
</visual>
<collision>
<geometry>
<box size="${imu_size} ${imu_size} ${imu_size}" />
</geometry>
<origin xyz="0.0 0.0 0" rpy="0.0 0.0 0.0" />
</collision>
<xacro:Box_inertial_matrix m = "${imu_m}" l = "${imu_size}" w = "${imu_size}" h = "${imu_size}"/>
</link>
<!-- 被引用的link -->
<gazebo reference="imu_base">
<material>Gazebo/Bule</material>
<gravity>true</gravity>
<sensor name="imu_sensor" type="imu">
<always_on>true</always_on>
<update_rate>100</update_rate>
<visualize>true</visualize>
<topic>__default_topic__</topic>
<plugin filename="libgazebo_ros_imu_sensor.so" name="imu_plugin">
<topicName>imu/data</topicName>
<bodyName>imu_base</bodyName>
<updateRateHZ>100.0</updateRateHZ>
<gaussianNoise>0.01</gaussianNoise>
<xyzOffset>0 0 0</xyzOffset>
<rpyOffset>0 0 0</rpyOffset>
<frameName>imu_base</frameName>
</plugin>
<pose>0 0 0 0 0 0</pose>
</sensor>
</gazebo>
</xacro:macro>
</robot>
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<unsigned int, std::vector >’ 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
