FAST_LIO_LOCALIZATION 使用教程_fastliolocalization

一个简单的本地化框架，可以在基于FAST-LIO的构建地图中重新定位。

• 2021-08-11：添加 Open3D 0.7 支持。

• 2021-08-09：迁移到 Open3D 以获得更好的性能。

• 在预先构建的点云地图中进行实时 3D 全局定位。 通过融合低频全局定位（约0.5~0.2Hz）和FAST-LIO的高频里程计，整个系统的计算效率很高。

• 消除里程计的累积误差。

• 初始定位可以通过RVIZ的粗略手动估计来提供，也可以通过其他传感器/算法进行姿态定位。

从技术上讲，如果您之前已经构建并运行过 FAST-LIO，则可以跳过第 2.1 节。

这部分依赖与FAST-LIO一致，请参考文档 GitHub - hku-mars/FAST_LIO: A computationally efficient and robust LiDAR-inertial odometry (LIO) package

• 蟒蛇 2.7

• ros_numpy

sudo apt install ros-$ROS_DISTRO-ros-numpy

• Open3D的

pip install open3d==0.9

请注意，在 Python2.7 中直接使用 pip 安装 Open3D 时可能会出现问题：

ERROR: Package 'pyrsistent' requires a different Python: 2.7.18 not in '>=3.5'

您可以首先安装pyrsistent：

pip install pyrsistent==0.15

然后

pip install open3d==0.9

克隆存储库并catkin_make：

<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>    cd ~/$A_ROS_DIR$/src
    git clone https://github.com/HViktorTsoi/FAST_LIO_LOCALIZATION.git
    cd FAST_LIO_LOCALIZATION
    git submodule update --init
    cd ../..
    catkin_make
    source devel/setup.bash
</code></span></span></span></span>

• 请记住在构建之前获取livox_ros_driver（遵循livox_ros_driver)
• 如果要使用 PCL 的自定义版本，请将以下行添加到 ~/.bashrcexport PCL_ROOT={CUSTOM_PCL_PATH}

在大型地下车库演示 rosbag： Google 云端硬盘 |百度盘 （代码： ne8d）;

对应地图：Google Drive |百度盘（代码：kw6f）

可以使用 LIO-SAM 或 FAST-LIO-SLAM 构建地图。

1. 首先，请确保您使用的是 Python 2.7 环境;

2. 运行本地化，这里我们以 Livox AVIA 为例：

roslaunch fast_lio_localization localization_avia.launch map:=/path/to/your/map.pcd

请修改为您自己的地图点云文件路径。/path/to/your/map.pcd

等待 3~5 秒，直到地图云出现在 RVIZ 中;

1. 如果您正在使用示例 rosbag 数据进行测试：

rosbag play localization_test_scene_1.bag

或者，如果您正在实时运行

roslaunch livox_ros_driver livox_lidar_msg.launch

请将 livox_lidar_rviz.launch 中的publish_freq设置为 10Hz，以确保在单次扫描中有足够的点进行全局定位。 即将推出对更高频率的支持。

1. 提供初始姿势

rosrun fast_lio_localization publish_initial_pose.py 14.5 -7.5 0 -0.25 0 0 

数值 14.5 -7.5 0 -0.25 0 0 表示地图框中的 6D 姿态 x y z 偏航俯仰滚动， 这是localization_test_scene_1.bag的粗略初步猜测。

初始猜测也可以由RVIZ中的“2D姿态估计”工具提供。

请注意，在初始化阶段，最好让机器人保持静止。或者如果你玩袋子，拳头玩袋子大约 0.5 秒，然后暂停袋子，直到初始化成功。

1. FAST-LIO：计算高效且稳健的 LiDAR 惯性里程计 （LIO） 软件包
2. ikd-Tree：用于 3D kNN 搜索的最先进的动态 KD 树。
3. FAST-LIO-SLAM：FAST-LIO与Scan-Context循环闭包模块的集成。
4. LIO-SAM_based_relocalization：一个简单的系统，可以在基于LIO-SAM的构建地图上重新定位机器人。

感谢 FAST-LIO 和 LIO-SAM_based_relocalization 的作者。

1. 查看已发布的里程计和 tf 的时间戳问题;
2. 使用集成点进行全球本地化;
3. 将全局定位与FAST-LIO的状态估计融合在一起，平滑定位轨迹;
4. 更新。。。