本仓库包含 LVI-SAM 的修改代码以便于使用，目的是解决原始的 LVI-SAM 外参配置混乱的问题。使用这份代码，你只需要配置 LiDAR 和 IMU 之间的外参 （T_imu_lidar）、Camera 和 IMU 之间的外参 （T_imu_camera），以及 IMU 本身的属性 （绕着哪个坐标轴逆时针旋转输出正的欧拉角），然后你就可以在不同的设备上运行 LVI-SAM 。

许多数据集的测试视频可以在 YouTube（点击下面的图片打开）和 Bilibili 上找到。

这个仓库的依赖库与官方 LVI-SAM 相同。所以如果编译出现问题，建议先编译官方的 LVI-SAM。目前我们只在 Ubuntu 20.04 + ROS-noetic 环境中进行了测试。

• Ubuntu20.04 + OpenCV4.0.* + ROS noetic + gtsam4.0.* + Ceres1.14.* 参考： https://blog.csdn.net/qq_37868055/article/details/129288903

• "new"分支可用了，我们建议您使用"new"分支。因为原始 LVI-SAM 代码中的 LIO 系统使用了旧版本的 LIO-SAM，其中存在一些 bug，这些 bug 已在最新的 LIO-SAM 代码中修复。目前，我们已经将最新版本的 LIO-SAM 更新到 LVI-SAM 中，因此系统更加鲁棒。您可以使用以下命令下载并编译 "new"分支。

• "new"分支已合并到默认分支

  mkdir -p ~/lvi-sam/src 
  cd ~/lvi-sam/src
  git clone https://github.com/NeSC-IV/LVI-SAM-Easyused.git
  cd ..
  catkin_make

• 支持Lvi-sam原始Radius Search回环检测，Scan Context回环检测，BoW3D回环检测。可通过设置Husky_lidar.yaml中loopClosureMode参数实现回环检测模式切换。

source devel/setup.bash
roslaunch lvi_sam Husky.launch

• 运行后，在 ~/lvi-sam/results/下会自动保存地图文件和轨迹文件。

# pcd转txt，位于~/lvi-sam/src/LVI-SAM-Easyused/pcd2tum.py
# pip install pyntcloud
python pcd2tum.py

• 安装evo评估工具

# https://github.com/MichaelGrupp/evo
pip install evo --upgrade --no-binary evo

• 拷贝真值轨迹, gt.txt

~/lvi-sam/results/gt.txt

• 计算误差

# -r full (旋转+平移) trans_part (平移m) angle_deg (旋转deg)
evo_ape tum gt.txt lvisam.txt -r full -va --plot --plot_mode xy --save_plot ./lvisamplot
# 多轨迹绘制
# evo_traj tum lvisam.txt fastlio2.txt kissicp.txt --ref=gt.txt -va -p --plot_mode=xy --save_plot ./trajall

• 相机内参，相机-IMU，LiDAR-IMU外参已配置到Husky_camera.yaml，Husky_lidar.yaml中

1. params_camera.yaml: 设置 VIO 外参，尤其是 T_imu_camera，它是 Camera 位姿在 IMU 坐标系下的表示。它和 VINS-Mono 是一样的。

###################### extrinsic between IMU and Camera  ###########################
###################### T_IMU_Camera, Camera -> IMU       ###########################  
# R_imu_camera
extrinsicRotation: !!opencv-matrix
   rows: 3
   cols: 3
   dt: d
   data: [ 0,    0,    -1, 
               -1,     0,    0, 
                0,     1,    0]
# t_imu_camera
extrinsicTranslation: !!opencv-matrix
   rows: 3
   cols: 1
   dt: d
   data: [0.006422381632411965, 0.019939800449065116, 0.03364235163589248]

2. params_lidar.yaml: 设置 LIO 外参，尤其是 T_imu_lidar，它是 LiDAR 位姿在 IMU 坐标系下的表示。

  ###################### extrinsic between IMU and LiDAR  ###########################
  ###################### T_IMU_LiDAR, LiDAR -> IMU       ############################
  # t_imu_lidar
  extrinsicTranslation: [0.0,   0.0,   0.0]    
  # R_imu_lidar
  extrinsicRotation: [-1,   0,    0, 
                                         0,    1,    0, 
                                         0,    0,   -1]

（注意: 这是 IMU 本身的属性，和它的安装方式没有关系。）

由于官方数据集的 IMU 比较特殊（欧拉角坐标系不同于加速度、角速度坐标系），所以还需要设置 IMU 绕哪个轴 逆时针 旋转得到 正 的欧拉角。 对于官方的传感器设备，设置如下。

  ## 对绝大多数IMU来说，下面三个值分别是"+z", "+y", "+x" (for most of IMUs, the following config is "+z", "+y", "+x")
  # 绕着哪个轴逆时针转动，输出yaw角度为正(which axis the IMU rotates around counterclockwise to get a positive yaw angle)
  yawAxis: "-z"  
  # 绕着哪个轴逆时针转动，输出pitch角度为正(which axis the IMU rotates around counterclockwise to get a positive pitch angle)
  pitchAxis: "+x"    
  # 绕着哪个轴逆时针转动，输出roll角度为正(which axis the IMU rotates around counterclockwise to get a positive roll angle)
  rollAxis: "+y"    

对于大多数 IMU，欧拉角坐标系与加速度、角速度坐标系相同。 所以上面的参数应该设置如下。

  ## 对绝大多数IMU来说，下面三个值分别是"+z", "+y", "+x" (for most of IMUs, the following config is "+z", "+y", "+x")
  # 绕着哪个轴逆时针转动，输出yaw角度为正(which axis the IMU rotates around counterclockwise to get a positive yaw angle)
  yawAxis: "+z"  
  # 绕着哪个轴逆时针转动，输出pitch角度为正(which axis the IMU rotates around counterclockwise to get a positive pitch angle)
  pitchAxis: "+y"    
  # 绕着哪个轴逆时针转动，输出roll角度为正(which axis the IMU rotates around counterclockwise to get a positive roll angle)
  rollAxis: "+x"    

1. LVI-SAM 官方数据集

   • 运行 launch 文件:

     roslaunch lvi_sam run.launch
     

     注意: 如果你想测试原始官方 LVI-SAM 代码（例如在 CMakeLists.txt 中设置 add_definitions(-DIF_OFFICIAL=1) 来编译），你应该运行 launch 文件如下。

     roslaunch lvi_sam run_official.launch
     

   • 播放数据包，例如 handheld.bag:

     rosbag play handheld.bag 
     

   • 原始官方代码（上图）和我们修改后的代码（下图）在 handheld.bag 上的运行结果：

     

     

2. M2DGR Dataset

   • 运行 launch 文件:

     roslaunch lvi_sam M2DGR.launch
     

   • 播放数据包，例如 gate_01.bag:

     rosbag play gate_01.bag 
     

   • 我们修改后的代码在 gate_01.bag 上的运行结果:

     

3. UrbanNavDataset

   • 运行 launch 文件:

     roslaunch lvi_sam UrbanNavDataset.launch
     

   • 播放数据包。我们提供的参数是 UrbanNav-HK-Data20200314 的参数，如果你使用 UrbanNavDataset 的其他数据包，请检查配置参数是否需要改动。

     rosbag play 2020-03-14-16-45-35.bag 
     

   • 我们修改后的代码在 UrbanNav-HK-Data20200314 上的结果：

     

4. KITTI raw dataset

   • 运行 launch 文件:

     roslaunch lvi_sam KITTI.launch
     

   • 播放数据包。注意你必须使用 KITTI raw dataset 而不是 KITTI Odometry dataset，因为后者的 IMU 数据是经过处理的，频率太低了。如果你想使用 KITTI raw dataset，你首先需要把它转成 rosbag。 你可以参考 LIO-SAM/config/doc/kitti2bag 进行操作。这里我们使用 KITTI_2011_09_26_drive_0084_synced 原始数据转化得到 rosbag。转化后的数据包可以在 这个链接 下载。

     rosbag play kitti_2011_09_26_drive_0084_synced.bag  
     

   • 我们修改后的代码在 kitti_2011_09_26_drive_0084_synced.bag 上的运行结果：

     

5. 我自己的测试数据

   • 运行 launch 文件:

     roslaunch lvi_sam backbag.launch
     

   • 播放数据包，例如 backbag.bag:

     rosbag play backbag.bag 
     

   • 我们修改后的代码在 backbag.bag 上的运行结果：

     

   • 我们修改后的代码在 0117-1525.bag 上的运行结果（这个数据包的设备不同于 backbag.bag，所以它的参数配置和 backbag.bag 也不一样。由于隐私问题，这个数据包不能开源，请见谅）：

     roslaunch lvi_sam ljj.launch
     rosbag play 0117-1525.bag 
     

     

6. KAIST Complex Urban Dataset

   参见 TODO.

• 对不同数据集进行更多测试，例如 KAIST Complex Urban Dataset。 但是，这些数据集的激光雷达数据没有ring信息，所以LVI-SAM不能直接运行。 如果要在这些数据集上运行，需要修改代码添加此信息参考LeGO-LOAM

• 我们在“new”分支上测试了KAIST Complex Urban Dataset。 我们主要做了两个改动：

  • 我们将最新版本的 LIO-SAM repo 代码更新为 LVI-SAM，因此系统更加健壮，可以在 KAIST Complex Urban Dataset 上成功运行。
  • 我们从原始的 KAIST Complex Urban Dataset 生成 rosbag，并恢复 LiDAR 点云的 “ring” 和 “time” 字段。 您可以使用doc/kaise-help 中的 ros 包来生成 rosbag。

• 在 KAIST Complex Urban Dataset urban26 序列上测试：

  • 运行 launch 文件:

    roslaunch lvi_sam KAIST.launch
    

  • 播放生成的 rosbag，例如 urban26.bag:

    rosbag play urban26.bag 
    

  • 我们修改后的代码在 urban26.bag 上的运行结果：

    

    

    可以看到轨迹有很大的漂移，没有成功检测到闭环。 这可能是由于 KAIST 数据集的 LiDAR 倾斜安装的原因，导致配准的有效点云太少。

• 此代码只是修改了 LVI-SAM 的外参配置以便于使用，它的目的是让你更快地在其他数据集和你自己的设备上运行 LVI-SAM，所以它 没有 修改 LVI-SAM 的算法部分。
• 如果你想知道我做了哪些改动以及为什么这些改动有效，你可以参考我的博客：[LVI-SAM坐标系外参分析与代码修改，以适配各种数据集](https://blog .csdn.net/qq_42731705/article/details/128344179)。
• 我对 LVI-SAM 代码做了中文注释，仓库参见 LVI-SAM-CC_Comments 。

• 原始的官方 LVI-SAM