LIO-SAM算法仿真实现教程（基于ubuntu22.04和ROS2-humble系统+GTSAM4.1.1）

目录

• 资料包
• 1. 背景
• 2. LIO-SAM算法工作机理
  • 2.1 点云去畸变处理
  • 2.2 因子图优化
• 3. 仿真操作
  • 3.1 环境准备与配置
  • 3.2 安装依赖
    • 3.2.1 手动下载源码包
    • 3.2.2 准备编译环境
  • 3.3 运行仿真
    • 3.3.1 启动 Gazebo 仿真环境 （终端1）
    • 3.3.2 启动 LIO-SAM 建图算法 (终端 2)
    • 3.3.3 控制机器人移动 (终端 3)
    • 3.3.4 点云图保存
• 4. 利用已有数据集进行仿真（无需启动Gazebo）
  • 4.1 安装转换
  • 4.2 文件修复
  • 4.3 运行仿真（运行LIO-SAM）
• 5. 方法一与方法二之间的转换
  • 5.1 方法1：
    • 5.1.1 获取点云及IMU话题名
    • 5.1.2 编译运行
  • 5.2 方法2：
    • 5.2.1 获取点云及IMU话题名
    • 5.2.2 编译运行

资料包

lio_sam_gazebo_ros2压缩包

RTSAM

LIO-SAM 算法项目参考

1. 背景

• 传统的激光雷达是通过ICP（Iterative Closest Point）算法去找到两个连续lidar帧（点云）之间的相对变换来实现的。
• ICP是一种迭代优化算法，输入为两组点云数据（源点云和目标点云），输出为两组点云之间的刚体变换（旋转矩阵 ® 和平移向量 (T)）
• ICP能用来估计相邻雷达帧之间的相对运动，通过点云配准计算出两帧之间的旋转和平移，能有效解决帧间点云的对齐问题，但当帧与帧之间的变换角度过大时，ICP可能难以收敛。
• 并且由于激光雷达在采集点云时会旋转，点云会发生倾斜，当使用倾斜的点云特征进行配准时，会导致较大的漂移。
• 因此，激光雷达通常与其它传感器（如IMU、GPS）结合，用于状态估计和地图构建，即传感器融合。其融合方式又分为两种：松耦合融合和紧耦合融合。
  • 松耦合融合：各传感器独立运行，通过其整体的输出（如IMU的位姿估计、GPS的全局位置）进行融合，即先融合各个传感器的最终结果，再用简单加权或滤波方式进行综合计算。
  • 紧耦合融合：各传感器的底层原始数据（如IMU加速度、GPS伪距、激光点云）直接参与联合优化，实时生成整体状态，其融合精度和鲁棒性更高。

2. LIO-SAM算法工作机理

2.1 点云去畸变处理

• 激光雷达数据的一个重大问题是点云中的时间差引起的畸变，LIO-SAM通过IMU数据来修正扫描点的时间偏移（通常称为点云去畸变）。具体步骤如下：
  • 提供点时间戳：
    使用IMU数据进行点云矫正，需要提供相对扫描点的时间。
  • 提供点环号：
    环号用于将点分配到激光雷达的通道中，组织成矩阵结构。

2.2 因子图优化

• 因子图主要是用于对多传感器融合后的状态估计问题进行建模，LIO-SAM算法的因子图构建主要使用1种变量类型和4种因子类型。

变量类型：表示机器人在特定时间的状态，并分配给图的节点。

因子：

• IMU预积分因子：用于使用来自IMU的测量值来推断机器人的运动，主要解决IMU噪声和偏置问题。
• Lidar里程计因子：用于特征提取、关键帧选择和相对变换。
• GPS因子：系统在长时间导航任务中会收到漂移的影响，因此需要使用提供绝对测量值的传感器（如GPS）来消除漂移。
• 回环闭合因子：采用基于欧几里得距离的环路闭合检测方法

3. 仿真操作

3.1 环境准备与配置

• 所需功能包： 下载资料包链接1并解压特定的 LIO-SAM ROS2 压缩包到ubuntu系统中，src路径中包含算法包、机器人控制包、Gazebo 仿真包和 Velodyne 模拟器包。
• 配置文件修改：
  • params.yaml：确保点云 (Point Cloud) 和 IMU 的话题名称 (Topic Name) 与仿真模型 SDF 文件中定义的一致。修改 LiDAR 和 Base Link 的坐标系名称。设置 savePCD 为 true 以便仿真结束后保存地图。
  • SDF 文件：确认 Velodyne 传感器的定义，确保话题名称与 params.yaml 中一致。

3.2 安装依赖

3.2.1 手动下载源码包

1. 打开浏览器： 在虚拟机（Ubuntu）里打开 Firefox 浏览器。
2. 访问下载链接： 输入以下地址（这是 GTSAM 4.1.1 的官方下载页面）：
https://github.com/borglab/gtsam/archive/refs/tags/4.1.1.zip
3. 下载： 浏览器会弹窗询问，选择“保存文件 (Save File)”。
4. 解压：

• 下载完成后，打开文件管理器，进入 Downloads (下载) 文件夹。
• 找到 gtsam-4.1.1.zip。
• 右键点击它 -> 选择 Extract Here (解压到此处)。
• 你会得到一个名为 gtsam-4.1.1 的文件夹。

3.2.2 准备编译环境

现在我们需要把这个解压出来的文件夹搬到主目录，并准备编译。请在终端中执行：

一. 增加虚拟内存 (Swap) - 防止编译崩溃

#创建4GB Swap文件sudo fallocate -l 4G /swapfile sudochmod600 /swapfile sudomkswap /swapfile sudoswapon /swapfile #验证 (Total 应该显示约 3.8Gi)free -h 

• 最好再将虚拟机虚拟内存改为8G！（电脑本身运行内存为32G的还可以调大些）

二. 移动并重命名文件夹（方便后续操作）：

1. 移动重命名文件夹（方便后续操作）：

cd ~/Downloads mv gtsam-4.1.1 ~/gtsam 

(这条命令会把刚才解压的文件夹移动到您的主目录，并改名为 gtsam)

2. 进入文件夹并创建编译目录：

cd ~/gtsam mkdir build &&cd build 

3. 配置编译参数： (4.1.1 版本对新系统兼容较好，不需要复杂的 TBB 参数，但建议加上系统 Eigen 库支持)

cmake -DGTSAM_USE_SYSTEM_EIGEN=ON ..

（如果没有报错，最后会显示 Build files have been written to...）

4. 开始编译（这一步可能需要 10 分钟以上，请耐心等待进度走到 100%）：

make -j$(nproc)

5. 安装到系统：

sudomakeinstall

6. 验证是否成功：
执行完 sudo make install 后，输入以下命令检查：

ls /usr/local/include/gtsam 

只要屏幕上显示出 base, geometry, inference 等文件夹的名字，就说明安装成功了！

三. 安装通用依赖

1. 安装 curl 工具：

sudoapt update &&sudoaptinstallcurl gnupg lsb-release -y 

2. 添加 ROS 2 授权密钥：

sudocurl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg 

3. 将 ROS 2 仓库添加到您的系统源列表：

echo"deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(source /etc/os-release &&echo $UBUNTU_CODENAME) main"|sudotee /etc/apt/sources.list.d/ros2.list > /dev/null 

4. 刷新软件列表 (关键)：

sudoapt update 

观察输出： 在刷新的过程中，请留意屏幕滚动的文字，看到类似 Get:5http://packages.ros.org/ros2/ubuntu jammy InRelease 的字样就说明 ROS 2 仓库连接成功了。

5. 安装其他必要的 ROS2 依赖： 为了防止编译时缺这缺那，我们先把通用的导航包装上：

sudoaptinstall ros-humble-navigation2 ros-humble-nav2-bringup ros-humble-pcl-co 

6. 安装编译所需的通用依赖：

sudoaptinstall ros-humble-navigation2 ros-humble-nav2-bringup ros-humble-pcl-conversions ros-humble-xacro ros-humble-robot-localization ros-humble-tf-transformations -y 

• 安装缺失的 Gazebo-ROS 接口包

sudoapt update sudoaptinstall ros-humble-gazebo-ros-pkgs ros-humble-gazebo-ros 

• 安装基础 Gazebo-ROS 插件库

sudoapt update sudoaptinstall ros-humble-gazebo-plugins ros-humble-gazebo-ros2-control 

• 刷新环境（非常重要）

source /opt/ros/humble/setup.bash cd ~/lio_sam_gazebo_ros2 source install/setup.bash 

安装完新包后，必须让当前的终端“知道”新包的存在。

• 打开package.xml文件

gedit ~/lio_sam_gazebo_ros2/src/velodyne_simulator/velodyne_description/package.xml 

• 替换

<?xml version="1.0"?><?xml-model href="http://download.ros.org/schema/package_format3.xsd" schematypens="http://www.w3.org/2001/XMLSchema"?><packageformat="3"><name>velodyne_description</name><version>2.0.3</version><description>URDF description for Velodyne 3D LIDARs</description><maintaineremail="[email protected]">maintainer</maintainer><license>BSD</license><buildtool_depend>ament_cmake</buildtool_depend><exec_depend>urdf</exec_depend><exec_depend>xacro</exec_depend><export><build_type>ament_cmake</build_type></export></package>

打开文件后，请删除里面的所有内容，然后将上面这段标准的 ROS 2 配置代码复制粘贴进去，保存并关闭。

• 确保已安装该软件包

sudoapt update sudoaptinstall ros-humble-pcl-conversions 

五. 编译与安装 (针对 4.1.1 版本)

1. 修改代码以适配 GTSAM 4.1.1 (关键)：

• 找到并打开 CMakeLists.txt：

# 假设文件夹名叫 LIO-SAM，如果叫别的名字请自行替换，如果打开为空白可手动点击文件夹打开 gedit ~/lio_sam_gazebo_ros2/src/LIO-SAM/CMakeLists.txt 

• 修改C++标准：在 project(...) 这一行下面手动添加

set(CMAKE_CXX_STANDARD 17) set(CMAKE_CXX_STANDARD_REQUIRED ON)

解释：这两行命令强制告诉编译器：“不管你默认是什么，我必须用 C++17 标准来编译，否则就报错”

• 添加find_package： 找到文件前面的一堆 find_package，在其中找个空行，插入下面这行：

find_package(pcl_conversions REQUIRED)

• 添加头文件路径： 在 find_package 后面找到 include_directories， 把它修改为包含 pcl_conversions 的路径。 如果找不到，可以直接在 include_directories(include) 的下一行添加：

include_directories( include ${pcl_conversions_INCLUDE_DIRS})

• 添加依赖： 搜索 ament_target_dependencies，然后在括号里的最后加上 pcl_conversions，例如：

ament_target_dependencies(lio_sam_imageProjection ${dependencies} pcl_conversions # <--- 手动加上这一行)

(注意：文件里会有 4-5 个 ament_target_dependencies，建议每一个都检查一下)

• 保存并关闭。

2. 修改配置文件 (Params.yaml)：

• 打开配置文件

gedit ~/lio_sam_gazebo_ros2/src/LIO-SAM/config/params.yaml 

• 修改保存路径：找到 savePCDDirectory，将其修改为您当前用户下的路径：

savePCD: true savePCDDirectory: "/Downloads/LOAM/"

(提示：如果您还没创建这个文件夹，记得去终端运行 mkdir -p ~/Downloads/LOAM)

• 添加依赖：在 <depend>... 的区域，找个空行添加：

<depend>pcl_conversions</depend>

• 保存并关闭。

3. 开始编译：

• 回到工作空间根目录：

cd ~/lio-sam-gazebo-ros2 

• 清理旧的编译缓存 (为了防止之前的错误干扰，建议先清理一下)：

rm -rf build install log rm -rf build/lio_sam install/lio_sam 

• 编译

colcon build --symlink-install # 如果仍不行，尝试单线程编译，可能需要更久时间（10-20分钟） colcon build --symlink-install --parallel-workers 1

3.3 运行仿真

3.3.1 启动 Gazebo 仿真环境 （终端1）

1. 模型准备

• 创建模型目录

mkdir -p ~/.gazebo/models 

• 将lio_sam_gazebo_ros2/models下的三个文件夹（brick_box、construction_barrel、rtab_map_stage）移入到.gazebo/models文件夹中
• 若在home中没有看见.gazebo文件夹，可能是被隐藏了，按下Ctrl + H即可
• 覆盖雷达配置文件

# 1. 切换到目标目录cd ~/lio_sam_gazebo_ros2/src/velodyne_simulator/velodyne_description/urdf # 2. 删除旧文件（防止权限或损坏问题）rm -f VLP-16.urdf.xacro # 3. 创建新文件并打开编辑器 gedit VLP-16.urdf.xacro 

• 粘贴标准修复代码
  将以下代码完整复制，粘贴到刚才打开的 gedit 编辑器中，然后保存并关闭。

<?xml version="1.0"?><robotxmlns:xacro="http://www.ros.org/wiki/xacro"name="VLP-16"><xacro:propertyname="M_PI"value="3.1415926535897931"/><xacro:macroname="VLP-16"params="*origin parent:=base_link name:=velodyne topic:=/velodyne_points hz:=10 lasers:=16 samples:=1875 collision_range:=0.3 min_range:=0.9 max_range:=130.0 noise:=0.008 min_angle:=-${M_PI} max_angle:=${M_PI} gpu:=false"><jointname="${name}_base_mount_joint"type="fixed"><xacro:insert_blockname="origin"/><parentlink="${parent}"/><childlink="${name}_base_link"/></joint><linkname="${name}_base_link"><inertial><massvalue="0.83"/><originxyz="0 0 0.03585"/><inertiaixx="${(0.83 * (3.0*0.0516*0.0516 + 0.0717*0.0717)) / 12.0}"ixy="0"ixz="0"iyy="${(0.83 * (3.0*0.0516*0.0516 + 0.0717*0.0717)) / 12.0}"iyz="0"izz="${0.5 * 0.83 * (0.0516*0.0516)}"/></inertial><visual><geometry><meshfilename="package://velodyne_description/meshes/VLP16_base_1.dae"/></geometry></visual><visual><geometry><meshfilename="package://velodyne_description/meshes/VLP16_base_2.dae"/></geometry></visual><collision><originrpy="0 0 0"xyz="0 0 0.03585"/><geometry><cylinderradius="0.0516"length="0.0717"/></geometry></collision></link><jointname="${name}_base_scan_joint"type="fixed"><originxyz="0 0 0.0377"rpy="0 0 0"/><parentlink="${name}_base_link"/><childlink="${name}"/></joint><linkname="${name}"><inertial><massvalue="0.01"/><originxyz="0 0 0"/><inertiaixx="1e-7"ixy="0"ixz="0"iyy="1e-7"iyz="0"izz="1e-7"/></inertial><visual><originxyz="0 0 -0.0377"/><geometry><meshfilename="package://velodyne_description/meshes/VLP16_scan.dae"/></geometry></visual></link><!-- Gazebo requires the velodyne_gazebo_plugins package --><gazeboreference="${name}"><!-- 关键修改：将 gpu_ray 改为 ray，强制使用 CPU 计算 --><sensortype="ray"name="${name}-VLP16"><pose>0 0 0 0 0 0</pose><visualize>false</visualize><update_rate>${hz}</update_rate><ray><scan><horizontal><samples>${samples}</samples><resolution>1</resolution><min_angle>${min_angle}</min_angle><max_angle>${max_angle}</max_angle></horizontal><vertical><samples>${lasers}</samples><resolution>1</resolution><min_angle>-${15.0*M_PI/180.0}</min_angle><max_angle> ${15.0*M_PI/180.0}</max_angle></vertical></scan><range><min>${collision_range}</min><max>${max_range}</max><resolution>0.001</resolution></range><noise><type>gaussian</type><mean>0.0</mean><stddev>${noise}</stddev></noise></ray><!-- 关键修改：插件名称去掉 gpu_ --><pluginname="gazebo_ros_laser_controller"filename="libgazebo_ros_velodyne_laser.so"><topicName>${topic}</topicName><frameName>${name}</frameName><min_range>${min_range}</min_range><max_range>${max_range}</max_range><gaussianNoise>${noise}</gaussianNoise></plugin></sensor></gazebo></xacro:macro></robot>

• 编译并重启

# 确保插件库存在 (保险措施)sudoapt update sudoaptinstall ros-humble-velodyne-simulator # 清理旧的编译文件（非常重要）cd ~/lio_sam_gazebo_ros2 rm -rf build/velodyne_description install/velodyne_description # 重新编译 colcon build --symlink-install --packages-select velodyne_description # 启动仿真source install/setup.bash # 加上环境变量exportGAZEBO_MODEL_DATABASE_URI=""exportSVGA_VGPU10=0exportLIBGL_ALWAYS_SOFTWARE=1 ros2 launch robot_gazebo robot_sim.launch.py 

• 最终检查：打开新终端

ros2 topic list 

2. 进入工作空间并刷新环境：

cd ~/lio_sam_gazebo_ros2 source install/setup.bash 

3. 启动仿真：

# 这一步通过修改环境变量，禁止 Gazebo 去连接模型库exportGAZEBO_MODEL_DATABASE_URI=""# 这是 VMware 的专用修复补丁exportSVGA_VGPU10=0exportLIBGL_ALWAYS_SOFTWARE=1# 启动仿真 ros2 launch robot_gazebo robot_sim.launch.py 

如果报错找不到包：请输入 ros2 launch 然后按两下 Tab 键，看看有哪些包是以 robot_ 或 neo_ 开头的，替换上面的命令。

4. 列出话题：打开终端1没有gazebo窗口弹出的话，打开终端4，输入以下命令

ros2 topic list 

(确认有没有 /velodyne_points 或类似名字)

• 强制重新编译雷达插件：

1. 清理旧文件：

cd ~/lio_sam_gazebo_ros2 rm -rf build/velodyne* install/velodyne* 

2. 重新编译： (这次我们只编译雷达相关包，速度会很快)

colcon build --symlink-install --packages-select velodyne_description velodyne_gazebo_plugins velodyne_simulator 

检查点：观察编译输出。如果在编译 velodyne_gazebo_plugins 时没有报错，且显示 Finished，说明插件生成成功了。

3. 再次刷新环境：

source install/setup.bash 

4. 再次启动仿真 (终端 1)：

# 这一步通过修改环境变量，禁止 Gazebo 去连接模型库exportGAZEBO_MODEL_DATABASE_URI=""# 这是 VMware 的专用修复补丁exportSVGA_VGPU10=0exportLIBGL_ALWAYS_SOFTWARE=1# 启动仿真 ros2 launch robot_gazebo robot_sim.launch.py 

5. 再次检查话题 (终端 4)：

ros2 topic list 

重要：检查有没有类似/velodyne_points的输出，或者出现/gazebo_ros_laser_controller/out……

6. 确定雷达点云名称

ros2 topic info /gazebo_ros_laser_controller/out 

在终端4中输入以上命令，观察结果中Type这一行：
如果显示 Type: sensor_msgs/msg/PointCloud2

• 操作：直接去修改 LIO-SAM 的 params.yaml，把 pointCloudTopic 改成 /gazebo_ros_laser_controller/out，然后直接运行！

否则如果显示 Type: sensor_msgs/msg/LaserScan 或者其他
可在评论区询问（看见就会解答）。

7.重新编译与验证

• 编译

cd ~/lio_sam_gazebo_ros2 colcon build --packages-select robot_gazebo --symlink-install 

• 启动仿真

# 环境变量三件套exportGAZEBO_MODEL_DATABASE_URI=""exportSVGA_VGPU10=0exportLIBGL_ALWAYS_SOFTWARE=1# 刷新环境source install/setup.bash # 启动 ros2 launch robot_gazebo robot_sim.launch.py 

等待 Gazebo 窗口弹出，看到小车和环境。

3.3.2 启动 LIO-SAM 建图算法 (终端 2)

1. 进入工作空间并刷新环境：

cd ~/lio_sam_gazebo_ros2 source install/setup.bash 

2. 启动算法：

ros2 launch lio_sam run.launch.py 

成功标志：Rviz (可视化界面) 会自动弹出来（如下图）。

3.3.3 控制机器人移动 (终端 3)

1. 运行键盘控制节点 (这是一个通用的 ROS 工具)：

ros2 run teleop_twist_keyboard teleop_twist_keyboard 

(如果没有安装，运行 sudo apt install ros-humble-teleop-twist-keyboard 安装)

2. 操作方法：
   确保鼠标点击在这个终端窗口上（终端3）。
   按 i 前进，, 后退。
   按 j 左转，l 右转。
   按 k 停止。

注意： 速度不要太快（1左右就差不多了），否则雷达匹配可能会跟丢。
终端没有输出显示是正常的，长按上述按键即可。

可以看见随机器人（小车）移动，Rviz窗口点云图越来越完善。

3.3.4 点云图保存

• 保存地图：
  • 回到 终端 2 (LIO-SAM)。
  • 按下 Ctrl + C。
  • 地图会自动保存到 /home/hhh/Downloads/LOAM/ (之前设置的路径)。
• 使用 CloudCompare 查看 ：
  • 在终端输入 cloudcompare 打开软件。
  • VMware 显卡警告：如果弹出 “Color ramp shader…” 警告，直接点击 OK 或忽略，这不影响使用。
  • 点击 Apply，即可看到 3D 点云地图。

左键旋转，右键平移，滚轮缩放

4. 利用已有数据集进行仿真（无需启动Gazebo）

4.1 安装转换

1. 安装转换工具 (我们需要一个 Python 小工具)：

pip install rosbags 

(如果没有安装 pip，请先运行 sudo apt install python3-pip)

2. 执行转换：(假设您的文件名叫 campus_small_dataset.bag，请替换为您真实的文件名)

# 语法：--src <源文件名> --dst <输出文件夹名> python3 -m rosbags.convert --src campus_small_dateset.bag --dst campus_small_dataset_ros2 

注意：需要在文件所在目录下运行

3. 等待完成：转换完成后，当前目录下会多出一个新的文件夹，名字为上述输出文件夹名

4.2 文件修复

1. 修复metadata.yaml 文件并查找话题名：

• 打开 metadata.yaml 文件：

# 进入文件夹查看 (请确保路径正确) gedit ~/campus_small_dataset_ros2/metadata.yaml 

(如果 gedit 打开是空白或者报错，您也可以直接在文件管理器里找到这个文件夹，双击里面的 metadata.yaml 文件打开)

• 修复 metadata.yaml 格式错误 (解决 bad conversion 报错)

#进入目录cd ~/campus_small_dataset_ros2 #使用 sed 命令将所有的 [] 替换为空字符串 ""sed -i 's/offered_qos_profiles: \[\]/offered_qos_profiles: ""/g' metadata.yaml 

2. 寻找 topics_with_message_count 或者 topics 这一段。

• 点云话题 (Lidar)：
  • 寻找包含 points 或 velodyne 字样的名字。
  • 通常是：/velodyne_points 或 /points_raw。
• IMU 话题：
  • 寻找包含 imu 字样的名字。
  • 通常是：/imu/data 或 /imu_raw。

示例（您的文件长得可能像这样）：

...topics_with_message_count:-topic_metadata:name: /velodyne_points <--- 这就是点云话题名！ type: sensor_msgs/msg/PointCloud2 ...-topic_metadata:name: /imu/data <--- 这就是IMU话题名！ type: sensor_msgs/msg/Imu ...

3. 修改 LIO-SAM 配置

拿到上面两个名字后，修改 LIO-SAM 的配置文件：

gedit ~/lio_sam_gazebo_ros2/src/LIO-SAM-ros2/config/params.yaml 

• 把 pointCloudTopic 改成您在文件里看到的点云名字。
• 把 imuTopic 改成您在文件里看到的 IMU 名字。
• 保存并关闭。

4.3 运行仿真（运行LIO-SAM）

1. 编译（确保配置生效）：

cd ~/lio_sam_gazebo_ros2 colcon build --packages-select lio_sam --symlink-install 

2. 运行（终端 1）：

source install/setup.bash ros2 launch lio_sam run.launch.py 

3. 终端2：

ros2 bag play campus_small_dataset_ros2 

运行结果如图：

5. 方法一与方法二之间的转换

5.1 方法1：

5.1.1 获取点云及IMU话题名

1. 启动仿真 (终端 1)：

# 这一步通过修改环境变量，禁止 Gazebo 去连接模型库exportGAZEBO_MODEL_DATABASE_URI=""# 这是 VMware 的专用修复补丁exportSVGA_VGPU10=0exportLIBGL_ALWAYS_SOFTWARE=1# 启动仿真 ros2 launch robot_gazebo robot_sim.launch.py 

2. 再次检查话题 (终端 4)：

ros2 topic list 

重要：检查有没有类似/velodyne_points的输出，或者出现/gazebo_ros_laser_controller/out……

3. 确定雷达点云名称

ros2 topic info /gazebo_ros_laser_controller/out 

通过上述操作我确定的雷达点云名称为/gazebo_ros_laser_controller/out，imu名称为/imu_plugin/out
在params.yaml文件中修改如下：

 pointCloudTopic: "/gazebo_ros_laser_controller/out"# Point cloud data  imuTopic: "/imu_plugin/out"# IMU data 

5.1.2 编译运行

1. 重新编译

# 编译cd ~/lio_sam_gazebo_ros2 colcon build --symlink-install 

2. 启动仿真（终端1）

# 环境变量三件套exportGAZEBO_MODEL_DATABASE_URI=""exportSVGA_VGPU10=0exportLIBGL_ALWAYS_SOFTWARE=1# 刷新环境source install/setup.bash # 启动 ros2 launch robot_gazebo robot_sim.launch.py 

3. 启动Rviz（终端2）：

cd ~/lio_sam_gazebo_ros2 source install/setup.bash # 启动算法 ros2 launch lio_sam run.launch.py 

4. 运行键盘控制节点 (终端3)：

ros2 run teleop_twist_keyboard teleop_twist_keyboard 

5.2 方法2：

5.2.1 获取点云及IMU话题名

1. 打开metadata.yaml文件查找话题名

gedit ~/campus_small_dataset_ros2/metadata.yaml 

我查找到的雷达点云名称为/points_raw，imu名称为/imu_correct
在params.yaml文件中修改如下：

 pointCloudTopic: "/points_raw"# Point cloud data  imuTopic: "/imu_correct"# IMU data 

5.2.2 编译运行

1. 重新编译 (因为改了 yaml)

cd ~/lio_sam_gazebo_ros2 colcon build --packages-select lio_sam --symlink-install 

2. 启动 LIO-SAM（终端1）

source install/setup.bash ros2 launch lio_sam run.launch.py 

3. 播放数据（终端 2:）

ros2 bag play campus_small_dataset_ros2