当前位置：首页 > news >正文

保姆级避坑指南：在Ubuntu 18.04 ROS Melodic上，用LeGO-LOAM跑通KITTI 00序列（附完整配置流程）

news 2026/5/28 14:09:47

从零到一：Ubuntu 18.04 ROS Melodic环境下的LeGO-LOAM与KITTI实战全记录

第一次在Ubuntu 18.04上配置ROS Melodic运行LeGO-LOAM处理KITTI数据集时，我花了整整三天时间解决各种"玄学"问题。从catkin_make的诡异报错到rviz的突然卡死，从话题映射错误到evo评估时的巨大偏差，每一个坑都让我这个激光SLAM新手印象深刻。本文将详细记录整个配置流程中的关键步骤和解决方案，特别聚焦那些官方文档没有提及但实际会遇到的"坑"。

1. 环境准备：Ubuntu 18.04与ROS Melodic的完美搭配

1.1 系统基础配置

在开始之前，强烈建议使用物理机而非虚拟机安装Ubuntu 18.04。KITTI数据集00序列的rosbag文件大小超过10GB，加上处理过程中的临时文件，至少需要50GB的可用空间。如果必须使用虚拟机，请确保分配足够的资源：

CPU：至少4核（建议8核）
内存：至少8GB（建议16GB）
磁盘空间：至少100GB（建议200GB）

# 检查系统资源 free -h # 查看内存 df -h # 查看磁盘空间 nproc # 查看CPU核心数

1.2 ROS Melodic安装与配置

ROS Melodic是Ubuntu 18.04的官方支持版本，但安装过程中有几个关键点需要注意：

设置正确的软件源：

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

完整安装ROS Melodic（包括rqt、rviz等工具）：
```
sudo apt install ros-melodic-desktop-full
```
初始化rosdep时常见的网络问题解决方案：
```
sudo rosdep init rosdep update --include-eol-distros
```

提示：如果rosdep update失败，可以尝试修改/etc/hosts文件，添加以下内容： 151.101.84.133 raw.githubusercontent.com

2. LeGO-LOAM源码编译：那些官方没告诉你的细节

2.1 依赖项安装

LeGO-LOAM依赖GTSAM 4.0.0-alpha2版本，直接从源码编译是最可靠的方式：

wget -O ~/Downloads/gtsam.zip https://github.com/borglab/gtsam/archive/4.0.0-alpha2.zip cd ~/Downloads/ && unzip gtsam.zip -d ~/Downloads/ cd ~/Downloads/gtsam-4.0.0-alpha2/ mkdir build && cd build cmake .. make -j$(nproc) # 使用所有CPU核心加速编译 sudo make install

2.2 源码编译的玄学问题

从GitHub克隆LeGO-LOAM源码后，编译时可能会遇到各种奇怪的问题：

cd ~/catkin_ws/src git clone https://github.com/RobustFieldAutonomyLab/LeGO-LOAM.git cd .. catkin_make -j1 # 必须使用-j1参数，否则大概率编译失败

为什么必须使用-j1？经过多次测试发现，LeGO-LOAM的某些组件在多线程编译时会出现竞态条件，导致编译失败。虽然这会显著增加编译时间（约30分钟），但能保证成功率。

2.3 运行时环境配置

每次运行LeGO-LOAM前都需要设置环境变量，可以通过以下方式简化：

echo "source ~/catkin_ws/devel/setup.bash" >> ~/.bashrc source ~/.bashrc

3. KITTI数据集处理：从原始数据到可用rosbag

3.1 数据集获取与准备

KITTI数据集00序列包含4541帧激光雷达数据，可以从以下渠道获取：

官方渠道（需注册）：http://www.cvlibs.net/datasets/kitti/
国内镜像（百度网盘）：https://pan.baidu.com/s/1htFmXDE 密码：uu20

下载后目录结构应如下：

kitti_data_00/ ├── velodyne_points/ │ ├── data/ │ │ ├── 000000.bin │ │ ├── 000001.bin │ │ └── ... ├── calib.txt └── times.txt

3.2 数据转换工具选择

将KITTI数据转换为rosbag有多种工具可选，经过实测推荐以下两种：

工具名称	优点	缺点	适用场景
kitti2bag	简单易用	不支持IMU模拟	快速验证
lidar2rosbag_KITTI	功能全面	配置复杂	精确实验

这里重点介绍lidar2rosbag_KITTI的使用方法：

git clone https://github.com/AbangLZU/lidar2rosbag_KITTI.git cd lidar2rosbag_KITTI mkdir build && cd build cmake .. make ./lidar2rosbag -p /path/to/kitti_data_00 -o kitti_00.bag

3.3 话题映射问题解决

LeGO-LOAM默认订阅的话题是/kitti/velo/pointcloud，而大多数转换工具生成的话题是/velodyne_points。解决方法有两种：

修改LeGO-LOAM源码中的话题名称（不推荐）
在播放rosbag时重映射话题：

rosbag play kitti_00.bag /velodyne_points:=/kitti/velo/pointcloud --clock

4. 运行与评估：从启动到精度分析

4.1 启动LeGO-LOAM

在正确配置环境后，启动LeGO-LOAM：

roslaunch lego_loam run.launch

常见问题及解决方案：

问题：rviz启动后无显示解决：检查Map Cloud选项是否勾选，并确保话题映射正确
问题：终端输出大量警告信息解决：这通常是正常的，只要没有ERROR级别的日志即可继续

4.2 轨迹评估工具evo使用

安装evo工具：

pip install evo --upgrade --no-binary evo

评估LeGO-LOAM输出的轨迹：

evo_traj kitti re_00.txt --ref=00.txt -p --plot_mode=xz --full_check

典型评估指标解读：

指标	理想值	实际值	说明
APE	<1.0	~2.5	绝对位姿误差
RPE	<0.5	~1.2	相对位姿误差
轨迹长度	3724m	~3700m	总行驶距离

注意：由于KITTI数据集缺少IMU信息，LeGO-LOAM的精度会有所下降。这是正常现象，不代表配置有问题。

5. 进阶技巧与性能优化

5.1 参数调优建议

修改LeGO-LOAM/utility/utility.h中的以下参数可以提升性能：

// 原值 const int systemDelay = 3; const int imuQueLength = 200; // 建议值（针对KITTI数据集） const int systemDelay = 0; const int imuQueLength = 500;

5.2 可视化优化

在rviz中添加以下显示项可以获得更好的可视化效果：

添加PointCloud2显示类型，话题设为/laser_cloud_surround
添加Path显示类型，话题设为/aft_mapped_path
调整Global Options中的Fixed Frame为/camera_init

5.3 常见错误代码速查表

错误代码	可能原因	解决方案
[mapOptmization-7]	点云话题不匹配	检查话题映射
[featureAssociation-5]	IMU数据缺失	添加--use_imu=false参数
[transformFusion-4]	时间同步问题	确保--clock参数正确使用

经过一周的反复测试和参数调整，最终在KITTI 00序列上获得了相对满意的结果。虽然由于数据集本身的限制，精度无法达到论文中的水平，但整个配置过程让我对激光SLAM系统有了更深入的理解。特别提醒后来者注意数据转换环节的话题映射问题，这是最容易出错的地方。

查看全文

http://www.rkmt.cn/news/1414498.html