Autonomous vehicle 杂谈_11

一. LOAM、ALOAM 简介

 LOAM相比于普通的ICP点对点匹配、以及NDT的划分栅格并构建高斯分布进而匹配，LOAM另辟蹊径地选择了通过对点云提取特征（如树干、墙角等，采用线模型描述）和平面特征（如地面、墙面等，采用面模型描述），匹配时以点到线距离和点到面距离为残差优化位姿。
 ALOAM则是LOAM的一个优化版本，主要去掉了IMU相关的部分，并对代码进行了一定的优化。
分享放在前面（提前阅读一下比较好入口）：
（1）ALOAM git hub: A-LOAM
（2）SLAM学习笔记（十九）开源3D激光SLAM总结大全——Cartographer3D,LOAM,Lego-LOAM,LIO-SAM,LVI-SAM,Livox-LOAM的原理解析及区别
（3）跑通A-LOAM并保存点云地图!

二. 实战复现ALOAM

 由于ALOAM本身用到了ceres库和PCL库，所以在环境搭建上（版本对应等等）多少有点费事儿，正巧看到了作者提供了docker的镜像源，那就可以直接拿来大法了。但在使用拿来大法前，请先确认设备已经安装了ROS，以及docker。以防万一，请参考：
（1）ROS Melodic安装指南：Ubuntu下的ROS-1Melodic 安装 （附详细教程以及安装过程遇到问题的解决）
（2）docker安装指南：【Ubuntu18.04】安装Docker教程
都确认完成之后，就按照下面的步骤，来复现吧！

1. 下载源码：

mkdir -p ~/aloam_ws/src
cd ~/aloam_ws/src
catkin_init_workspace
 
#克隆A-LOAM源码
git clone https://github.com/HKUST-Aerial-Robotics/A-LOAM.git

2. 把当前用户加到docker组里

sudo usermod -aG docker $YOUR_USER_NAME

3. 根据DockerFile构建镜像（花费时间较长）

cd ~/aloam_ws/src/A-LOAM/docker/
docker build -f Dockerfile -t aloam ..
# 注意：如果遇到Permission denied error, 重启一下设备
make build

4. 运行ALOAM

./run.sh 16
# or
./run.sh 64
# 之后会进入到Rviz中去

5. 跑包并保存地图

rosbag play xxx.bag # 跑起来之后，去Rviz中观察地图生成过程

#另起终端用bag_to_pcd方法保存点云图
rosrun pcl_ros bag_to_pcd xxx.bag /laser_cloud_surround pcd

注意：跑的包必须保证点云的topic是：/velodyne_points，如果不是的话，请按照以下方法修改一下 （比较繁琐，不如下边的方法简单）：

# 查询包的点云topic是什么
rosbag info xxx.bag  # 我这边是 /points_raw
# 修改topic
roscore     #终端1
rosparam set use_sim_time true    #终端2
rosbag play --clock xxx.bag /points_cloud:=/points_raw    #终端3
rosbag record /points_raw      #终端2

推荐：或者也可以在ros bag play时改成：

# 查询包的点云topic是什么
rosbag info xxx.bag  # 我这边是 /points_raw
# 重命名的方式run bag
rosbag play xxx.bag /points_raw:=/velodyne_points

6. 查看一下

7. 查看点云地图
 运行结束，可以看到生成了一个pcd文件夹，将里面的文件按照修改时间排序，最新的就是最后的点云地图pcd文件。

三. 评价

 与NDT mapping相比，ALOAM的建图结果明显细节更多一些，目前还不知道生成地图用起来的效果是不是也会更好，需要进一步研究。

如有问题，敬请指正。欢迎转载，但请注明出处。