項目七任務3：基于激光雷達與IMU實現(xiàn)SLAM功能（課件）

基于激光雷達與IMU實現(xiàn)SLAM功能智能汽車傳感器應用技術一、課程導入課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)掃地機SLAM最早由Smith、Self和Cheeseman于1988年提出，現(xiàn)今SLAM已廣泛應用于各個領域，目前應用最為成熟的是掃地機行業(yè)。思考討論一、課程導入除了掃地機之外，SLAM技術在無人機、自動駕駛等都有應用，對于自動駕駛汽車來說，需要對車輛進行“定位”。最核心和最根本的問題有四個，定位技術、跟蹤技術、路徑規(guī)劃技術)和控制技術。而這四個問題中的前三個，SLAM都扮演了最核心的功能，可見SLAM技術的關鍵性。那激光雷達是如何實現(xiàn)SLAM建圖的呢？結(jié)合IMU建圖的效果是怎樣的呢？SLAM技術應用于自動駕駛領域課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)二、SLAM同時定位與地圖構建2.1SLAM概述SLAM稱同時定位與地圖構建，或并發(fā)建圖與定位。它是指運動物體自身位置不確定的條件下，根據(jù)傳感器的信息，一邊計算自身位置，一邊構建環(huán)境地圖的過程,同時利用地圖進行自主定位和導航。課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)二、SLAM激光SLAM2.2SLAM的分類1、激光SLAM激光SLAM主要使用激光雷達作為傳感器，通常，激光SLAM系統(tǒng)通過對不同時刻兩片點云的匹配與比對，計算激光雷達相對運動的距離和姿態(tài)的改變，也就完成了對機器人自身的定位。課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)二、SLAM視覺SLAM2.2SLAM的分類2、視覺SLAM視覺SLAM主要使用單目、雙目、深度相機作為傳感器，它可以從環(huán)境中獲取海量的、富于冗余的紋理信息，擁有超強的場景辨識能力。課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)三、Hector_SLAM本節(jié)任務采用基于圖優(yōu)化的Hector_SLAM方案。Hector_SLAM是利用高斯牛頓方法解決前端掃描匹配問題，把每一幀采集到的激光雷達數(shù)據(jù)和地圖進行匹配，該方案僅有前端掃描匹配的模塊，無后端優(yōu)化的過程。不需要里程計數(shù)據(jù)，而里程計信息是通過激光雷達數(shù)據(jù)估算出來的，因此對傳感器的測量頻率和測量噪聲的要求較高，且在制圖過程中，速度需要控制在較低的情況下，建圖效果才會有比較理想。課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)Hector_SLAM總體架構四、IMU內(nèi)參標定方法IMU內(nèi)參標定使用的是Allan方差法，Allan方差法是20世紀60年代由美國國家標準局的DavidAllan提出的,它是一種基于時域的分析方法。具體的流程如下:（1）保持傳感器絕對靜止獲取數(shù)據(jù)；（2）對數(shù)據(jù)進行分段,設定時間段的時長；（3）將傳感器數(shù)據(jù)按照時間段進行平均；（4）計算方差，繪制艾倫曲線。艾倫曲線課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)五、激光雷達與IMU外參標定方法lidar-imu標定方法為瑞士蘇黎世理工大學-自動駕駛實驗室開源的一種校準3D激光雷達和6自由度位姿傳感器外參的方法——lidar_align。lidar_align功能包實現(xiàn)的功能包括：（1）讀取lidar和位姿傳感器的數(shù)據(jù)。

（2）通過時間戳匹配lidar每幀里面的每個點和位姿傳感器的坐標變換。

（3）利用位姿信息將lidar的每幀拼接成點云。

（4）求出每個點和它最近鄰點的距離總和，通過不斷的迭代優(yōu)化找到坐標變換，使得到最小距離。課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)六、多傳感器融合算法LIO-SAMLIO-SAM是一種通過平滑和建圖的緊耦合激光雷達慣性里程測量的框架，該框架可實現(xiàn)高精度，實時的移動軌跡估計和地圖構建。LIO-SAM在因子圖的頂部制定了激光雷達慣性里程表，從而可以將來自不同來源的大量相對和絕對測量值作為因子合并到系統(tǒng)中。通過imu預積分獲得的運動估計可以用于點云的偏斜矯正和用于雷達里程計優(yōu)化的初始值。為了確保實時高性能，將舊的激光雷達掃描邊緣化以進行姿勢優(yōu)化，選擇性地引入關鍵幀以及以有效的滑動窗口方法將新的關鍵幀注冊到固定大小的先驗“子關鍵幀”集合中，在局部范圍內(nèi)進行掃描匹配可顯著提高系統(tǒng)的實時性能。利用LIO-SAM算法的建圖效果課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)七、基于激光雷達實現(xiàn)SLAM的開發(fā)7.1準備工作1、設置計算機以太網(wǎng)IP（應用實訓臺的電腦已完成此工作）1）打開interface文件。輸入命令：sudogedit/etc/network/interfaces2）在文件最后添加以下命令：autoenp2s0ifaceenp2s0inetstaticaddress02netmask2、運行節(jié)點cd~/catkin_wssourcedevel/setup.bashroslaunchrslidar_pointcloudrs_lidar_16.launchc課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.1準備工作掃描效果圖七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.1準備工作3、實現(xiàn)三維點云數(shù)據(jù)轉(zhuǎn)二維點云數(shù)據(jù)1）安裝ros-melodic-tf2-sensor-msgs。輸入命令：sudoaptinstallros-melodic-tf2-sensor-msg2）安裝pointcloud_to_laserscan包。輸入以下命令：cd~/catkin_ws/srcgitclone/BluewhaleRobot/pointcloud_to_laserscan.git3）創(chuàng)建launch文件。輸入以下命令：cd~/catkin_ws/src/pointcloud_to_lasterscan/launchgeditpoint_to_scan.launch七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.1準備工作4）在打開的文本中輸入以下內(nèi)容：七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.1準備工作4、啟動ros_rslidiar雷達驅(qū)動包和pointcloud_to_laserscan節(jié)點雷達驅(qū)動發(fā)布的三維點云數(shù)據(jù)，rsldiar_points,pointcloud_to_laserscan節(jié)點訂閱后將lasercan話題切換為/scan，兩者的frame_id都是“rslidar”。1）打開一個新的終端，啟動3d雷達驅(qū)動。輸入以下命令：cd~/catkin_wssourcedevel/setup.bashroslaunchrslidar_pointcloudrs_lidar_16.launch2）再打開一個新的終端，啟動pointcloud_to_laserscan節(jié)點。輸入一下命令：cd~/catkin_wssourcedevel/setup.bashroslaunchpointcloud_to_laserscanpoint_to_scan.launch七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.1準備工作這時可以看到三維點云數(shù)據(jù)，如果想要顯示二維點云，還需要在Rivz中添加LaserScan。然后將Topic話題改為/scan，Style話題改為Points，白線即為二維點云圖。修改話題在Rivz中添加LaserScan七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.1準備工作5、使用hector_slam建圖1）安裝qt4-defaultsudoaptinstallqt4-default2）安裝hector_slamcd~/catkin_ws/srcgitclone/tu-darmstadt-ros-pkg/hector_slamcd~/catkin_wscatkin_make3）修改tutorial.launch文件cd~/catkin_ws/src/hector_slam/hector_slam_launch/launchgedittutorial.launch七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.1準備工作4）將原來的文件內(nèi)容改為如下：①將<paramname="/use_sim_time"value="false"/>中的true改為false。②添加了兩個tf變換坐標。七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.1準備工作6、修改mapping_default.launch文件輸入以下命令：cd~/catkin_ws/src/hector_slam/hector_mapping/launchgeditmapping_default.launch修改內(nèi)容如下：

7、修改rslidar中的frame_id由于hector_slam從激光雷達處訂閱的frame_id為laser,而激光雷達發(fā)布的frame_id為rslidar，因此需要對rslidar中的源碼進行修改，并重新編譯。輸入以下命令：cd~/catkin_ws/src/ros_rslidar/rslidar_driver/srcgeditrsdriver.cpp將private_nh.param("frame_id",config_.frame_id,std::string("rslidar"));中的rslidar改為laser。七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.1準備工作8、重新編譯rslidar_roscd~/catkin_wscatkin_make9、創(chuàng)建slam.launch文件cd~/catkin_ws/src/ros_rslidar/rslidar_pointcloud/launchgeditslam.launch在創(chuàng)建的空文本中輸入如下：啟動激光雷達將三維point轉(zhuǎn)換為二維scan執(zhí)行hector_slam功能七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.1準備工作這里需要注意的是，第一個和第三個都啟動了rviz，需要將第一個launch文件中的rviz注釋掉。輸入以下命令：cd~/catkin_ws/src/ros_rslidar/rslidar_pointcloud/launchgeditrs_lidar_16.launch注釋rviz，如下:七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)7.2基于激光雷達的SLAM建圖1、啟動slam.launch文件sourcedevel/setup.bashroslaunchrslidar_pointcloudslam.launch2、移動應用實訓臺，會對周圍的環(huán)境進行建圖3、查看建圖效果建圖的效果主要是在Rviz里進行觀察。在Ubuntu的下方任務欄里，可以看到Rviz的程序圖標，單擊此圖標將Rviz界面喚回前臺顯示。七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)單擊Rviz圖標7.2基于激光雷達的SLAM建圖其中灰色為激光雷達沒有探測到的未知區(qū)域，黑色的點為激光雷達探測到障礙點，白色為激光雷達已探測的不存在障礙物的區(qū)域。建圖效果七、基于激光雷達實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.1IMU的內(nèi)參標定在IMU采集數(shù)據(jù)時，會產(chǎn)生兩種誤差：確定性誤差和隨機性誤差，為獲得精確的數(shù)據(jù)，需要對上述兩種誤差進行標定。IMU內(nèi)參標定的步驟：1、連接串口建圖效果八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.1IMU的內(nèi)參標定2、編譯安裝Eigen線性代數(shù)庫。mkdirbuildcdbuildcmake..makesudomakeinstall編譯安裝Eigen線性代數(shù)庫八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.1IMU的內(nèi)參標定3、編譯安裝CeresSolver非線性最小二乘求解工具包進入ceres-solver-1.14.0文件夾后執(zhí)行以下命令進行編譯安裝：sudoapt-getinstallliblapack-devlibsuitesparse-devlibcxsparse3.1.2libgflags-devlibgoogle-glog-devlibgtest-dev編譯安裝CeresSolver非線性最小二乘求解工具包八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.1IMU的內(nèi)參標定在編譯過程可能會出現(xiàn)無法定位libcxsoarse3.1.2的問題，解決辦法如下：1）打開sources.listsudogedit/etc/apt/sources.list2）將下面的源粘貼到最上方sources.listdeb/ubuntutrustymainuniverse3）更新源sudoapt-getupdate4）重新輸入依賴項安裝命令安裝依賴項sudoapt-getinstallliblapack-devlibsuitesparse-devlibcxsparse3.1.2libgflags-devlibgoogle-glog-devlibgtest-dev八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.1IMU的內(nèi)參標定問題解決后，再依次輸入以下命令：mkdirbuildcdbuildcmake..makesudomakeinstall安裝CeresSolver非線性最小二乘求解工具包八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.1IMU的內(nèi)參標定4、編譯標定工具1）編譯code_utils先安裝依賴項（sudoapt-getinstalllibdw-dev），然后把code_utils工具包放入ROS工作空間src文件夾下，進入ROS工作空間，執(zhí)行catkin_make命令進行編譯。如果出現(xiàn)編譯出錯狀況，如圖7.77所示。解決方法如下：①把src/code_utils/src/sumpixel_test.cpp中的#include”backward.hpp”改為#include”code_utils/backward.hpp”；②在src/code_utils-master/include/code_utils/dlt/dlt.h中添加頭文件include“vector”；③再次執(zhí)行catkin_make命令進行編譯八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.1IMU的內(nèi)參標定2）編譯imu_utils把code_utils工具包放入ROS工作空間src文件夾下，進入ROS工作空間，執(zhí)行catkin_make命令進行編譯。八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)imu_utils編譯成功界面課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.1IMU的內(nèi)參標定5、錄制imu.bag1）進入ROS工作空間。2）執(zhí)行命令source./devel/setup.bash刷新環(huán)境。3）執(zhí)行命令

rosrunimu_serialserial_port啟動imu發(fā)布數(shù)據(jù)節(jié)點4）執(zhí)行命令rosbagrecord-Odata.bag/imu_an/imu_data錄制imu數(shù)據(jù)bag包八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)錄制imu.bag課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.1IMU的內(nèi)參標定6、IMU內(nèi)參標定1）進入工作空間->src->imu_utils-master->launch文件夾，編寫imu.launch文件，文件內(nèi)容如下：2）打開終端運行標定工具，在工作空間中打開終端依次輸入如下命令：source./devel/setup.bashroslaunchimu_utilsimu.launch3）再進入工作空間，輸入rosbagplay-r200data.bag，回放bag數(shù)據(jù)八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.1IMU的內(nèi)參標定4）運行命令roslaunchimu_utilsimu.launch進行標定。5）在“b步驟終端里面顯示標定成功”，最終得到.yaml內(nèi)參標定文檔，標定文檔保存在工作空間->src->imu_utils-master->data文件夾中。八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)標定完成后顯示的信息課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.2激光雷達與IMU的外參標定1、發(fā)布IMU和激光雷達的topic，獲取傳感器數(shù)據(jù)1）進入imu_catkin_ws文件夾，空白處鼠標右鍵新建一個終端。2）輸入以下命令：sourcedevel/setup.bashrosrunimu_serialserial_port輸入命令后會出現(xiàn)報錯，因為ROS的主節(jié)點還沒運行。3）再新建一個終端，輸入roscore即可獲取imu數(shù)據(jù)八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)獲取IMU數(shù)據(jù)的界面課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.2激光雷達與IMU的外參標定4）進入RS_SDK文件夾，空白處鼠標右鍵新建一個終端。獲取激光雷達的數(shù)據(jù)。輸入命令以下：sourcedevel/setup.bashroslaunchrslidar_sdkstart.launch八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)激光雷達點云課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.2激光雷達與IMU的外參標定2、錄制激光雷達和imu的.bag數(shù)據(jù)包。新建一個終端。輸入命令:rosbagrecord-Oexample.bag/velodyne_point/imu_an/imu_data3、進入lidar_imu_ws文件夾，在空白處鼠標右鍵打開終端。輸入命令:sourcedevel/setup.bashroslaunchlidar_alignlidar_align.launch執(zhí)行命令后，工具自動標定，終端會在此界面停留大概十幾分鐘。八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)標定完成界面課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)總結(jié)8.2激光雷達與IMU的外參標定同樣也會在result文件夾下面生成對應的標定文件，外參標定結(jié)果保存在.txt文件中，保存在result文件夾內(nèi)。八、基于激光雷達和IMU實現(xiàn)SLAM的開發(fā)外參標定文件的內(nèi)容平移關系矩陣旋轉(zhuǎn)關系矩陣課程導入多傳感器融合算法LIO-SAM基于激光雷達實現(xiàn)SLAM的開發(fā)SLAMHector_SLAMIMU內(nèi)參標定方法激光雷達與IMU外參標定方法基于激光