个人资料： lidar-based real-time3dlocalizationandmapping
github :3359 github.com/Erik-Nelson/blam.git
官方视频： https://youtu.be/08GTGfNneCI
另一方面，安装依赖软件包1，然后单击rossudosh-c ' echo ' deb http://packages.ROS.org/ROS/Ubuntu $ (LSB _ release-sc ) main '/etho/ette 要安装的ROS-latest.list ' sudo apt-key adv-- keyserverhkp :/ha.pool.sks-key servers.net 336080-- recv-kkey setup.zsh 2，gt Sam # boost=1.43 sudo apt-getinstallibboost-all-dev # cmake=2.6 sudo apt-getinstallcmakegitclone 3333 gt Sam.gitcdgtsammkdirbuildcdbuildcmake. sudomakeinstall二、blamgitclone 333333
cdbl am./update FAQ 3358 www.Sina.com /
将以下两行添加到cdbl am/internal/src/geometry _ utils package.XML中
在build _ dependroscpp/build _ depend run _ dependroscpp/run _ dependcmakelist.txt中添加以下两行
find _ package (catkinrequiredcomponentsroscpp ) include _ directories (include $ { catkin _ include _ dirs } ) 3358www
mysolutioniseditthe“point _ cloud _ filter.cc”，addthefollowingcodeattheendofthefilterfunction
if (！ points-is _ dense (points _ filtered-is _ dense=false； std:vector indices； PCL :3360 removenanfrompointcloud (points_filtered，points _ filtered，indices )； } 1、fatal error: ros/ros.h: No such file or directory
修改" BlamSlam.cc "，并用msg_filtered替换原始msg中的内容： (这些行不是相连的) ) )。
//1，change loop _ closure _.addkeyscanpair (0，msg )； o loop _ closure _.addkeyscanpair (0，msg_filtered )； //2，change if (handleloopclosures (msg，new_keyframe ) ) toif ) handleloopclosures ) msg_filtered，new _ keyfres 以上的nan问题主要是因为使用的点云数据is_desne:false、即点云中可能包含nan，所以存在于过滤器中
统一了无效值的去除
三、官方使用的是velodyne的数据
rosbag play velodyne.bag#话题的rslidar _ pointssourceyour _ path/blam-master/internal/devel/setup.zshroslaunchblaunchblam
remap from='~pcld ' to='/rslidar _ points ' /！ --/rslidar_points替换为自己的话题名称---使用自定义数据集的常见问题解答3358 www.Sina.com /
注意自己的点云数据量和velodyne的差异，如果点云数少，修改point _ cloud _ filter/config/parameters.YAML
# voxelgridfiltergrid _ filter 3360 false http://www.Sina.com /
更改point _ cloud _ localization/config/parameters.YAML
# maximumacceptableincrementalrotationandtranslation.transform _ thresholding 3360 true # false max _ translation 3360.5 #
观察你的pose有多大不同，修改laser _ loop _ closure/config/parameters.YAML
#在默认0.5米处检测一次环回或记录关键帧。 值越大，效率越高。 如果构图较慢，可以增大此值translation _ threshold :1.0 # 0.5 #，使其在缺省情况下在1.5米范围内匹配。 根据您自己的环回错误放大此值proximity _ threshold :10 # 1.5 # ICP ' fitness score ' mustbelessthanthisnumber， 越小越难环回max _ tolerable _ fitness :5 # 0.15 #根据自己的地图大小适当放宽跳过环回的点数，一般情况下地图越大bad PD _ recent _ pad
取消注册/blam/blam _ slam/octree _ map _ updates，然后重新注册时显示
使用自己的rslidar室外数据集可以实现以下效果(网格大小为10米) :
初次构图还没有返回循环，几乎没有偏差
绕了一圈后，虽然出现了角度偏移，但是环回后也很好，最终图如下
总结：效果好，首次构图误差小，环回速度足够快，调参也方便，关键是不需要其他传感器