gazebo中给机器人添加16线激光雷达跑LIO-SAM

目录：

前言

最近想搭建一个机器人移动平台，但是设备还没完全到齐，在设备全部到齐之前，我们先在gazebo中做一个仿真，进行相关的算法和功能包的部署。在这个仿真中机器人在一个移动底盘上搭载了16线激光雷达、IMU、RGB-D相机，并在最后跑了一个LIO-SAM，建图效果还不错。整个过程遇到了一些问题，都一一解决了，对主要的问题做了一些记录，有其他问题的可以在讨论区回复。另外，本工程的源码放在在GitHub上，欢迎大家下载学习。

1、下载雷达仿真包

首先下载VLP的激光雷达的仿真开发包到自己的工作空间中

git clone https://bitbucket.org/DataspeedInc/velodyne_simulator/src/master/

下载之后 /src 的文件结构如下

下载好激光雷达的仿真包之后重新catkin_make一次，主要是为了生成激光雷达的点云产生库文件，不然后面仿真的时候会没有点云相关话题。编译一次之后就会在我们工作空间的的devel/lib文件夹下生成两个动态链接库如下：

在仿真中会调用这两个库生成点云信息。

2、添加雷达支架描述文件

给激光雷达添加一个支架，把激光雷达在车上立起来，在自己的机器人包里面的urdf文件夹里面新建一个 laser_support.xacro 文件写入如下内容

<?xml version="1.0"?><robotname="laser_support"xmlns:xacro="http://wiki.ros.org/xacro"><!-- 雷达支架 --><xacro:propertyname="support_length"value="0.30"/><!-- 支架长度 --><xacro:propertyname="support_radius"value="0.025"/><!-- 支架半径 --><xacro:propertyname="support_x_size"value="-0.2"/><!-- 支架安装的x坐标 --><xacro:propertyname="support_y_size"value="0.0"/><!-- 支架安装的y坐标 --><xacro:propertyname="support_z_size"value="${base_z_size}"/><!-- 支架安装的z坐标:底盘高度 / 2 + 支架高度 / 2  --><xacro:propertyname="support_m"value="0.02"/><!-- 支架质量 --><linkname="support"><visual><geometry><cylinderradius="${support_radius}"length="${support_length}"/></geometry><originxyz="0 0 0"rpy="0.0 0.0 0.0"/><materialname="red"><colorrgba="0.8 0.2 0.0 0.8"/></material></visual><collision><geometry><cylinderradius="${support_radius}"length="${support_length}"/></geometry><originxyz="0 0 0"rpy="0.0 0.0 0.0"/></collision><xacro:cylinder_inertial_matrixm="${support_m}"r="${support_radius}"h="${support_length}"/></link><jointname="support2base_link"type="fixed"><parentlink="base_link"/><childlink="support"/><originxyz="${support_x_size} ${support_y_size} ${support_z_size}"/></joint><gazeboreference="support"><material>Gazebo/White</material></gazebo></robot>

3、添加雷达描述文件

在机器人的base.xacro描述文件中添加激光雷达的描述

首先，包含激光雷达的支架描述文件

然后，添加雷达的两个属性描述变量

最后，包含激光雷达的描述文件，这里会用到上面两个属性变量

4、启动仿真

编写launch文件，启动rviz看看我们的机器人

<launch><argname="model_xacro"default="$(find scout_gazebo)/urdf/base.xacro"/><!-- 将 Urdf 文件的内容加载到参数服务器 --><paramname="robot_description"command="$(find xacro)/xacro $(arg model_xacro)"/><!-- Launch  the joint state publisher --><nodename="joint_state_publisher"pkg="joint_state_publisher_gui"type="joint_state_publisher_gui"></node><!-- Launch  the robot state publisher --><nodename="robot_state_publisher"pkg="robot_state_publisher"type="robot_state_publisher"/><!-- Loading rviz files --><nodename="rviz"pkg="rviz"type="rviz"args="-d $(find scout_gazebo)/config/show_robot.rviz"/><!-- 启动 gazebo --><includefile="$(find gazebo_ros)/launch/empty_world.launch"><argname="world_name"value="$(find scout_gazebo)/worlds/lab.world"/></include><!-- 在 gazebo 中显示机器人模型  --><nodepkg="gazebo_ros"type="spawn_model"name="model"args="-urdf -model scout -param robot_description"/></launch>

roslaunch之后就可以打开gazebo和rviz，并在里面显示我们的机器人携带着激光雷达如下：

此时可以打开我们的话题，看看是否有点云输出

可以看到是有点云话题的，我们在rviz里面尝试把点云可视化出来看看

可以看到我们的点云是正常输出的。注意，我们我们为了在gazebo里面看到我们的机器人，所以没有在gazebo里面吧激光点云可视化出来，如果想要可视化可以通过修改 VLP-16.urdf.xacro 文件中这个地方

修改之后，我们就可以在gazebo里面看到激光点云了，如下：

把我们的车都给盖住了，16线激光雷达的点云还是比较稠密的。现在激光雷达已经加入到仿真中了，下一步我们跑一个经典的激光SLAM框架 LIO-SAM试试看。

5、添加IMU模块

因为我们需要跑的框架是LIO-SAM，需要用到IMU模块，所以我们在仿真中也添加进去。同样地，我们在工程中的urdf文件夹下面再增加一个 imu.xacro文件

<?xml version="1.0"?><robotxmlns:xacro="http://wiki.ros.org/xacro"><xacro:macroname="imu"params="sensor_name parent_link *origin"><xacro:propertyname="imu_offset_x"value="0"/><xacro:propertyname="imu_offset_y"value="0"/><xacro:propertyname="imu_offset_z"value="0.2"/><xacro:propertyname="imu_size"value="0.05"/><xacro:propertyname="imu_m"value="0.01"/><!-- imu质量 --><!-- imu --><jointname="imutobase"type="fixed"><!-- <origin xyz="${imu_offset_x} ${imu_offset_y} ${imu_offset_z}" rpy="0 0 0" /> --><xacro:insert_blockname="origin"/><parentlink="${parent_link}"/><childlink="imu_base"/></joint><linkname="imu_base"><visual><originrpy="0 0 0"xyz="0 0 0"/><geometry><boxsize="${imu_size} ${imu_size} ${imu_size}"/></geometry><materialname="black"><colorrgba="1.0 0.0 0.0 0.6"/></material></visual><collision><geometry><boxsize="${imu_size} ${imu_size} ${imu_size}"/></geometry><originxyz="0.0 0.0 0"rpy="0.0 0.0 0.0"/></collision><xacro:Box_inertial_matrixm="${imu_m}"l="${imu_size}"w="${imu_size}"h="${imu_size}"/></link><!-- 被引用的link --><gazeboreference="imu_base"><material>Gazebo/Bule</material><gravity>true</gravity><sensorname="imu_sensor"type="imu"><always_on>true</always_on><update_rate>100</update_rate><visualize>true</visualize><topic>__default_topic__</topic><pluginfilename="libgazebo_ros_imu_sensor.so"name="imu_plugin"><topicName>imu/data</topicName><bodyName>imu_base</bodyName><updateRateHZ>100.0</updateRateHZ><gaussianNoise>0.01</gaussianNoise><xyzOffset>0 0 0</xyzOffset><rpyOffset>0 0 0</rpyOffset><frameName>imu_base</frameName></plugin><pose>0 0 0 0 0 0</pose></sensor></gazebo></xacro:macro></robot>

然后在我们主描述文件 base.xacro中包含这个文件

6、添加RGB-D相机

我们这里使用一个realsense系列的RGB-D相机，先去下载它的仿真SDK

$ git clone https://github.com/nilseuropa/realsense_ros_gazebo.git

这里是下载到工程的源码目录下

然后同样地，在主描述文件base.xarco中把相机也包含进去

添加完之后，我们这个仿真机器人已经配备了 IMU、RGB-D相机、16线激光雷达这些传感器，我们把环境启动起来，看看发布了多少话题

可以看到发布了很多话题，双目的、IMU的、点云的……都有，基本是机器人配置已经完成，下面准备跑一个SLAM框架试试

7、LIO-SAM仿真

安装依赖

$ sudo apt-get install -y ros-noetic-navigation
$ sudo apt-get install -y ros-noetic-robot-localization
$ sudo apt-get install -y ros-noetic-robot-state-publisher

安装GTSAM

$ git clone https://github.com/borglab/gtsam
$ cd gtsam
$ mkdir build && cd build
# 注意这里要加-DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF这个选项，不然后面运行会报错
$ cmake -DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF ..
$ sudo make install -j8
$ sudo ln -s /usr/local/lib/libmetis-gtsam.so /usr/lib/libmetis-gtsam.so

编译LIO-SAM

$ cd ~/robot_ws/src
$ git clone https://github.com/TixiaoShan/LIO-SAM
$ cd ..
$ catkin_make

运行

首先启动仿真环境

$ roslaunch scout_gazebo scout_gazebo.launch

然后启动 lio-sam

$ roslaunch lio_sam run.launch

最后启动我们的控制机器人移动的节点，这个节点是ros自带的一个包，通过

sudo apt install ros-noetic-teleop-twist-keyboard

命令安装，这个节点主要是发布速度信息到

/cmd_val

控制机器人在gazebo中进行移动，移动机器人即可进行建图

$ rosrun teleop_twist_keyboard teleop_twist_keyboard.py

可以看到机器人在gazebo中接收我们的运动控制指令进行运动，lio-sam节点进行了位姿估计与建图。

8、源码

这里我把源码上传到我的GitHub仓库，大家可以自行下载进行实验

https://github.com/linzs-online/robot_gazebo.git

遇到的问题

1、error: ‘class std::unordered_map<unsigned int, std::vector >’ has no member named ‘serialize’

原因：PCl库依赖的flann与Opencv冲突。opencv头文件中的一些宏定义和flann库中的冲突
解决：保证pcl库中依赖的flann在opencv头文件之前先包含进去。我这里是把opencv的头文件放在PCL库之后就解决 了

2、gazebo中机器人静止，rviz中反复横跳

原因：lio-sam会对点云进行下采样滤波，滤波体素设置太大了，匹配过程出现误差，导致机器人优化出来的位姿反复横跳。

解决： 因为我们这里是在室内建图，所以在lio-sam的配置文件中把体素大小设置小一些

3、运行时报错 [lio_sam_mapOptmization-5] process has died [pid 260348, exit code -11

解决: gtsam编译时带上这个参数，cmake -DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF …

4、运行时报错 error while loading shared libraries: libmetis-gtsam.so: cannot open shared object file: No such file or directory

解决: sudo ln -s /usr/local/lib/libmetis-gtsam.so /usr/lib/libmetis-gtsam.so

5、运行时报 Warning: TF_REPEATED_DATA ignoring data with redundant timestamp for frame

原因：机器人TF变换不正常

解决：通过运行

roswtf

命令分析目前环境中的TF变换，这里查到是

base_link

和

odom

这两个坐标之间的变换产生了冲突

显然，是我们的gazebo仿真中的控制已经发布了

base_link

到

odom

的TF变换，但是我们的 SLAM节点又发布了一次，这两个产生了冲突，下面我们通过修改lio-sam发布的TF变换来解决这个问题，修改lio-sam的配置文件，把SLAM位姿估计结果发布的坐标换个名字即可