企业官网建设流程全解析

从零构建FAST_LIO_SAM：Ubuntu 18.04环境下的SLAM系统实战指南

在机器人自主导航领域，激光雷达惯性里程计（LIO）系统正成为高精度定位与建图的核心技术。FAST_LIO_SAM作为FAST-LIO2与LIO-SAM的融合方案，通过引入GTSAM后端优化模块，显著提升了系统的全局一致性。本文将带您从零开始，在Ubuntu 18.04系统中完整部署这套先进的SLAM解决方案。

1. 环境准备与依赖安装

1.1 系统基础配置

推荐使用纯净的Ubuntu 18.04.6 LTS系统，确保默认Python版本为2.7。为避免权限问题，建议所有操作在普通用户下通过sudo执行：

sudo apt update && sudo apt upgrade -y sudo apt install -y git cmake libeigen3-dev libboost-all-dev

关键依赖版本要求：

• PCL ≥ 1.8（Ubuntu 18.04默认满足）
• Eigen ≥ 3.3.4
• ROS Melodic（完整桌面版）

注意：若已安装其他ROS版本，需先彻底卸载后再安装Melodic，避免版本冲突。

1.2 ROS Melodic安装

执行以下命令配置ROS仓库和核心组件：

sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list' sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt update sudo apt install -y ros-melodic-desktop-full

初始化rosdep时，若遇到网络问题，可尝试修改hosts文件或使用国内镜像源：

echo "source /opt/ros/melodic/setup.bash" >> ~/.bashrc source ~/.bashrc sudo rosdep init rosdep update

2. GTSAM 4.0编译与安装

2.1 源码编译准备

GTSAM作为后端优化的核心，需要从源码编译特定版本：

mkdir -p ~/gtsam_ws/src && cd ~/gtsam_ws/src git clone https://github.com/borglab/gtsam.git -b 4.0.0-alpha2 cd gtsam && mkdir build && cd build

编译配置建议使用Release模式并开启必要的优化选项：

cmake -DGTSAM_BUILD_WITH_MARCH_NATIVE=ON -DGTSAM_USE_SYSTEM_EIGEN=ON -DCMAKE_BUILD_TYPE=Release .. make -j$(nproc) sudo make install

2.2 常见编译问题解决

若遇到Boost库链接错误，可显式指定库路径：

cmake -DBoost_NO_SYSTEM_PATHS=ON -DBOOST_ROOT=/usr/include/boost ..

安装完成后验证版本：

pkg-config --modversion gtsam # 应输出 4.0.0-alpha2

3. FAST_LIO_SAM工作空间配置

3.1 创建工作空间

建议使用独立工作空间管理项目：

mkdir -p ~/fast_lio_sam_ws/src cd ~/fast_lio_sam_ws/src catkin_init_workspace

克隆源码时推荐使用深度克隆确保子模块完整：

git clone --recursive https://github.com/kahowang/FAST_LIO_SAM.git cd FAST_LIO_SAM git submodule update --init --recursive

3.2 依赖项安装

安装特定版本的PCL和Eigen3开发包：

sudo apt install -y libpcl-dev libproj-dev libgeographic-dev

对于ROS相关依赖，使用rosdep自动安装：

cd ~/fast_lio_sam_ws rosdep install --from-paths src --ignore-src -r -y

4. 系统编译与参数调优

4.1 编译过程

使用catkin_make进行编译，建议开启并行编译：

cd ~/fast_lio_sam_ws catkin_make -DCMAKE_BUILD_TYPE=Release -j$(nproc)

若遇到C++11标准问题，可在CMakeLists.txt中添加：

add_compile_options(-std=c++14)

4.2 关键参数解析

在config/params.yaml中，这些参数直接影响系统表现：

# 回环检测配置 loopClosureEnableFlag: true # 启用回环检测 loopClosureFrequency: 4.0 # 回环检测频率(Hz) historyKeyframeSearchRadius: 1.5 # 回环搜索半径(m) # GPS配置 useGpsElevation: false # 禁用GPS高程约束 gpsCovThreshold: 2.0 # GPS数据协方差阈值

提示：对于室内场景，建议关闭useGpsElevation；室外开阔环境可尝试启用但需密切监控Z轴漂移。

5. 实战测试与结果分析

5.1 室内数据集测试

使用Velodyne 16线雷达数据测试：

roslaunch fast_lio_sam mapping_velodyne16.launch rosbag play T3F2-2021-08-02-15-00-12.bag --clock

关键指标监测：

• /laser_odom_to_init话题频率
• /aft_mapped_to_init的位姿协方差
• RViz中查看/ikdtree_map点云质量

5.2 室外GPS融合测试

对于含GPS信息的数据集：

roslaunch fast_lio_sam mapping_velodyne16_lio_sam_dataset.launch rosbag play walking_dataset.bag

通过evo工具评估轨迹精度：

evo_traj kitti optimized_pose.txt -p --plot_mode=xy

5.3 地图保存技巧

保存点云地图时建议指定分辨率：

rosservice call /save_map "resolution: 0.05 destination: '/home/user/maps'"

对于长期建图任务，可定期执行保存操作避免数据丢失。

6. 高级调试与性能优化

6.1 内存管理

大场景建图时可能出现内存暴涨，可通过以下方式缓解：

1. 调整surroundingKeyframeSize减少子图规模
2. 限制historyKeyframeSearchNum数量
3. 启用recontructKdTree定期重建优化数据结构

6.2 实时性调优

若出现处理延迟，可尝试：

• 降低loopClosureFrequency至2-3Hz
• 关闭visulize_IkdtreeMap可视化
• 在launch文件中限制线程数：

<param name="num_threads" value="4" />

6.3 坐标系问题排查

当GPS数据异常时，检查：

1. WGS84到ENU坐标转换是否正常
2. useImuHeadingInitialization参数设置
3. 终端输出中的gps covariance数值

7. 实际应用建议

在工业场景部署时，建议采用以下配置组合：

对于学术研究，可以尝试修改以下代码模块：

• src/mapOptmization.cpp中的因子图构造
• include/utility.h的参数解析逻辑
• cfg/params.yaml的全部配置项