LIO-SAM-DetailedNote實機部署指南Velodyne與Ouster激光雷達外參標定清單【免費下載鏈接】LIO-SAM-DetailedNoteLIO-SAM源碼詳細注釋3D SLAM融合激光、IMU、GPS項目地址: https://gitcode.com/gh_mirrors/li/LIO-SAM-DetailedNoteLIO-SAM-DetailedNote 是 LIO-SAM 的源碼詳細注釋版一套融合激光雷達、IMU、GPS 的 3D SLAM 系統核心代碼僅 4 個 cpp 文件非常適合拿來實機部署與閱讀。本文面向剛接觸 LIO-SAM 的工程師給出一份從零啟動到外參標定驗證的完整部署清單如何配置 Velodyne / Ouster 激光雷達參數、如何填寫 lidar→IMU 外參、如何檢查 IMU 噪聲參數以及如何快速定位地圖漂移這類典型外參錯誤。系統組成速覽4 個節點構成完整 SLAM 鏈路理解外參從哪里生效之前先看清數據流。LIO-SAM 由 4 個節點組成啟動腳本在 launch/include/module_loam.launch節點源碼職責imageProjectionsrc/imageProjection.cpp激光運動畸變校正外參在這里第一次生效featureExtractionsrc/featureExtraction.cpp曲率計算提取角點 / 平面特征imuPreintegrationsrc/imuPreintegration.cppIMU 預積分因子圖優化位姿mapOptmizationsrc/mapOptmization.cppscan-to-map 匹配 因子圖優化 閉環入口文件 launch/run.launch 會加載 config/params.yaml并掛載 navsatGPS→笛卡爾坐標轉換與 rviz 模塊Velodyne vs Ouster傳感器參數差異表激光雷達型號直接決定兩個關鍵參數全部寫在 config/params.yaml 的Sensor Settings段# Sensor Settings sensor: velodyne # 只能填 velodyne 或 ouster N_SCAN: 16 # 掃描線數16 / 32 / 64 / 128 Horizon_SCAN: 1800 # 水平一圈的點數VelodyneHorizon_SCAN固定為18000.2° 一點如 VLP-16 填N_SCAN: 16VLP-32 填 32。OusterHorizon_SCAN按型號填512 / 1024 / 2048如 OS1-128 常用 128 線 × 1024 列。??最容易踩的坑sensor與N_SCAN、Horizon_SCAN三者必須自洽。源碼 include/utility.h 中參數加載會校驗 sensor 字符串填錯會直接報錯退出而點數不匹配會導致畸變校正時 rangeMat 索引越界、點云花屏。Ouster 用戶在源碼里還有一個特殊處理src/imageProjection.cpp 的cachePointCloud()會把 Ouster 點云逐點轉成 Velodyne 格式其中點內時間戳time src.t * 1e-9f納秒→秒。Ouster 驅動輸出的點內時間戳單位必須是納秒否則整幀時差會被算錯運動畸變校正直接失效。外參標定清單lidar → IMU 三步核對LIO-SAM 只要求一組外參從激光雷達到 IMU 的旋轉 平移即extrinsicRot、extrinsicRPY、extrinsicTrans注意方向是 lidar→IMU不要填反。# Extrinsics (lidar - IMU) extrinsicTrans: [0.0, 0.0, 0.0] extrinsicRot: [1, 0, 0, 0, 1, 0, 0, 0, 1] extrinsicRPY: [1, 0, 0, 0, 1, 0, 0, 0, 1]標定操作清單按順序勾選坐標系方向LIO-SAM 期望 IMU / base_link 遵循 REP-105 慣例x 前、y 左、z 上。如果你的傳感器芯片坐標系不一致旋轉矩陣要補上對應轉換。項目自帶了一個真實案例——config/params_park.yaml 中某實車的外參就是[-1,0,0; 0,1,0; 0,0,-1]IMU 的 z 軸與 lidar 反向了 180°而 config/params.yaml 默認是單位陣兩傳感器嚴格同軸安裝時才正確。平移量安裝間距小于幾十厘米時填0,0,0對里程計精度幾乎無影響間距較大如 IMU 裝在底盤另一端才需要量測 xyz 并填入extrinsicTrans。旋轉與 RPY 一致性extrinsicRot與extrinsicRPY兩個參數都會讀取請保證它們表達同一變換避免一處改了另一處沒改。外參的實際作用點在 include/utility.h 的imuConverter()IMU 的加速度、角速度左乘extRot姿態四元數右乘extQRPY把 IMU 原始測量轉到 lidar 坐標系后再參與畸變校正與預積分。外參錯了IMU 姿態初始化就是歪的表現為地圖整體傾斜、z 軸漂移。順帶提醒若 IMU 沒有 9 軸姿態四元數模長小于 0.1imuConverter()會直接報Invalid quaternion, please use a 9-axis IMU!并退出——6 軸 IMU 需要先用 AHRS 算法解算出姿態。IMU 噪聲參數別直接抄默認值config/params.yaml 中的 IMU 段建議按你所用 IMU 的數據手冊重新標定可用 Kalibr、RobotCalibration 等工具imuAccNoise: 3.9939570888238808e-03 # 加速度白噪聲密度 imuGyrNoise: 1.5636343949698187e-03 # 陀螺白噪聲密度 imuAccBiasN: 6.4356659353532566e-05 # 加速度隨機游走 imuGyrBiasN: 3.5640318696367613e-05 # 陀螺隨機游走 imuGravity: 9.80511 # 當地重力加速度噪聲參數偏小 → 因子圖過度信任 IMU閉環/位姿修正被壓制偏大 → 軌跡出現鋸齒。imuGravity建議查儀器所在城市的重力值約 9.78~9.83而非一律 9.81。話題名按實機硬件改pointCloudTopic點云、imuTopic如imu_raw、gpsTopic。參考 config/params_park.yaml 中imu_raw與odometry/gps的命名。一鍵啟動與話題驗證編譯安裝后catkin 工程依賴見 CMakeLists.txtroslaunch lio_sam run.launch啟動后立即做三項檢查rostopic hz /points_raw與/imu_correct頻率是否達到硬件標稱值兩路時間戳是否同源建議共用同一 clockrosrun tf tf_echo base_link map靜止時 TF 應穩定運動時更新平滑rviz 中laser_map與軌跡回環后軌跡是否閉合。外參錯誤排查速查表癥狀最可能原因檢查項地圖整體傾斜 / z 軸持續漂移外參旋轉錯誤重核extrinsicRot/extrinsicRPY與坐標系方向IMU 與激光軌跡打架、抖動時間戳不同源檢查兩傳感器時鐘同步點云花屏、特征點亂N_SCAN / Horizon_SCAN 與硬件不符對照雷達型號修改Sensor Settings高速運動拖影Ouster 點內時間戳單位錯誤確認驅動輸出為納秒啟動即報 9-axis 錯誤IMU 無姿態輸出加 AHRS 解算或換 9 軸 IMU掌握這份清單后從 Velodyne 或 Ouster 實車到可運行的 LIO-SAM 里程計通常只需半天調試。想深入理解外參參與優化的每一步可通讀 README.md 中梳理的整體流程配合 4 個 cpp 文件的逐行注釋這套輕量代碼是學習 3D SLAM 工程實現的上佳范本。【免費下載鏈接】LIO-SAM-DetailedNoteLIO-SAM源碼詳細注釋3D SLAM融合激光、IMU、GPS項目地址: https://gitcode.com/gh_mirrors/li/LIO-SAM-DetailedNote創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 LIO-SAM-DetailedNote實機部署指南：Velodyne與Ouster激光雷達外參標定清單
LIO-SAM-DetailedNote實機部署指南Velodyne與Ouster激光雷達外參標定清單【免費下載鏈接】LIO-SAM-DetailedNoteLIO-SAM源碼詳細注釋3D SLAM融合激光、IMU、GPS項目地址: https://gitcode.com/gh_mirrors/li/LIO-SAM-DetailedNoteLIO-SAM-DetailedNote 是 LIO-SAM 的源碼詳細注釋版一套融合激光雷達、IMU、GPS 的 3D SLAM 系統核心代碼僅 4 個 cpp 文件非常適合拿來實機部署與閱讀。本文面向剛接觸 LIO-SAM 的工程師給出一份從零啟動到外參標定驗證的完整部署清單如何配置 Velodyne / Ouster 激光雷達參數、如何填寫 lidar→IMU 外參、如何檢查 IMU 噪聲參數以及如何快速定位地圖漂移這類典型外參錯誤。系統組成速覽4 個節點構成完整 SLAM 鏈路理解外參從哪里生效之前先看清數據流。LIO-SAM 由 4 個節點組成啟動腳本在 launch/include/module_loam.launch節點源碼職責imageProjectionsrc/imageProjection.cpp激光運動畸變校正外參在這里第一次生效featureExtractionsrc/featureExtraction.cpp曲率計算提取角點 / 平面特征imuPreintegrationsrc/imuPreintegration.cppIMU 預積分因子圖優化位姿mapOptmizationsrc/mapOptmization.cppscan-to-map 匹配 因子圖優化 閉環入口文件 launch/run.launch 會加載 config/params.yaml并掛載 navsatGPS→笛卡爾坐標轉換與 rviz 模塊Velodyne vs Ouster傳感器參數差異表激光雷達型號直接決定兩個關鍵參數全部寫在 config/params.yaml 的Sensor Settings段# Sensor Settings sensor: velodyne # 只能填 velodyne 或 ouster N_SCAN: 16 # 掃描線數16 / 32 / 64 / 128 Horizon_SCAN: 1800 # 水平一圈的點數VelodyneHorizon_SCAN固定為18000.2° 一點如 VLP-16 填N_SCAN: 16VLP-32 填 32。OusterHorizon_SCAN按型號填512 / 1024 / 2048如 OS1-128 常用 128 線 × 1024 列。??最容易踩的坑sensor與N_SCAN、Horizon_SCAN三者必須自洽。源碼 include/utility.h 中參數加載會校驗 sensor 字符串填錯會直接報錯退出而點數不匹配會導致畸變校正時 rangeMat 索引越界、點云花屏。Ouster 用戶在源碼里還有一個特殊處理src/imageProjection.cpp 的cachePointCloud()會把 Ouster 點云逐點轉成 Velodyne 格式其中點內時間戳time src.t * 1e-9f納秒→秒。Ouster 驅動輸出的點內時間戳單位必須是納秒否則整幀時差會被算錯運動畸變校正直接失效。外參標定清單lidar → IMU 三步核對LIO-SAM 只要求一組外參從激光雷達到 IMU 的旋轉 平移即extrinsicRot、extrinsicRPY、extrinsicTrans注意方向是 lidar→IMU不要填反。# Extrinsics (lidar - IMU) extrinsicTrans: [0.0, 0.0, 0.0] extrinsicRot: [1, 0, 0, 0, 1, 0, 0, 0, 1] extrinsicRPY: [1, 0, 0, 0, 1, 0, 0, 0, 1]標定操作清單按順序勾選坐標系方向LIO-SAM 期望 IMU / base_link 遵循 REP-105 慣例x 前、y 左、z 上。如果你的傳感器芯片坐標系不一致旋轉矩陣要補上對應轉換。項目自帶了一個真實案例——config/params_park.yaml 中某實車的外參就是[-1,0,0; 0,1,0; 0,0,-1]IMU 的 z 軸與 lidar 反向了 180°而 config/params.yaml 默認是單位陣兩傳感器嚴格同軸安裝時才正確。平移量安裝間距小于幾十厘米時填0,0,0對里程計精度幾乎無影響間距較大如 IMU 裝在底盤另一端才需要量測 xyz 并填入extrinsicTrans。旋轉與 RPY 一致性extrinsicRot與extrinsicRPY兩個參數都會讀取請保證它們表達同一變換避免一處改了另一處沒改。外參的實際作用點在 include/utility.h 的imuConverter()IMU 的加速度、角速度左乘extRot姿態四元數右乘extQRPY把 IMU 原始測量轉到 lidar 坐標系后再參與畸變校正與預積分。外參錯了IMU 姿態初始化就是歪的表現為地圖整體傾斜、z 軸漂移。順帶提醒若 IMU 沒有 9 軸姿態四元數模長小于 0.1imuConverter()會直接報Invalid quaternion, please use a 9-axis IMU!并退出——6 軸 IMU 需要先用 AHRS 算法解算出姿態。IMU 噪聲參數別直接抄默認值config/params.yaml 中的 IMU 段建議按你所用 IMU 的數據手冊重新標定可用 Kalibr、RobotCalibration 等工具imuAccNoise: 3.9939570888238808e-03 # 加速度白噪聲密度 imuGyrNoise: 1.5636343949698187e-03 # 陀螺白噪聲密度 imuAccBiasN: 6.4356659353532566e-05 # 加速度隨機游走 imuGyrBiasN: 3.5640318696367613e-05 # 陀螺隨機游走 imuGravity: 9.80511 # 當地重力加速度噪聲參數偏小 → 因子圖過度信任 IMU閉環/位姿修正被壓制偏大 → 軌跡出現鋸齒。imuGravity建議查儀器所在城市的重力值約 9.78~9.83而非一律 9.81。話題名按實機硬件改pointCloudTopic點云、imuTopic如imu_raw、gpsTopic。參考 config/params_park.yaml 中imu_raw與odometry/gps的命名。一鍵啟動與話題驗證編譯安裝后catkin 工程依賴見 CMakeLists.txtroslaunch lio_sam run.launch啟動后立即做三項檢查rostopic hz /points_raw與/imu_correct頻率是否達到硬件標稱值兩路時間戳是否同源建議共用同一 clockrosrun tf tf_echo base_link map靜止時 TF 應穩定運動時更新平滑rviz 中laser_map與軌跡回環后軌跡是否閉合。外參錯誤排查速查表癥狀最可能原因檢查項地圖整體傾斜 / z 軸持續漂移外參旋轉錯誤重核extrinsicRot/extrinsicRPY與坐標系方向IMU 與激光軌跡打架、抖動時間戳不同源檢查兩傳感器時鐘同步點云花屏、特征點亂N_SCAN / Horizon_SCAN 與硬件不符對照雷達型號修改Sensor Settings高速運動拖影Ouster 點內時間戳單位錯誤確認驅動輸出為納秒啟動即報 9-axis 錯誤IMU 無姿態輸出加 AHRS 解算或換 9 軸 IMU掌握這份清單后從 Velodyne 或 Ouster 實車到可運行的 LIO-SAM 里程計通常只需半天調試。想深入理解外參參與優化的每一步可通讀 README.md 中梳理的整體流程配合 4 個 cpp 文件的逐行注釋這套輕量代碼是學習 3D SLAM 工程實現的上佳范本。【免費下載鏈接】LIO-SAM-DetailedNoteLIO-SAM源碼詳細注釋3D SLAM融合激光、IMU、GPS項目地址: https://gitcode.com/gh_mirrors/li/LIO-SAM-DetailedNote創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考