ros運行包，Ubuntu20.04成功運行LIO-SAM

z@z:~/lio_sam_ws$ source devel/setup.bash 
z@z:~/lio_sam_ws$ roslaunch lio_sam run.launch

創建包鏈接：

鏈接1：Ubuntu20.04成功運行LIO-SAM_ubuntu20.04運行liosam-CSDN博客

鏈接2：ubuntu 20.04 ROS 編譯和運行 lio-sam,并且導出PCD文件運行_ubuntu20.04 編譯lio-sam-CSDN博客

z@z:~/lio_sam_ws$ source devel/setup.bash
z@z:~/lio_sam_ws$ roslaunch lio_sam run.launch

在bag包所在的位置打開新的終端運行程序代碼：

rosbag play l1_cooperation_2023-12-21-15-44-16_velodyne.bag

rosbag play l1_cooperation_2023-12-21-15-44-16_velodyne.bag

最后得到三維點云圖像

補充：

根據z@z:~/lio_sam_ws/src/LIO-SAM$ rosbag info l1_cooperation_2023-12-21-15-44-16_velodyne.bag
path:        l1_cooperation_2023-12-21-15-44-16_velodyne.bag
version:     2.0
duration:    10:12s (612s)
start:       Mar 28 2024 14:18:30.89 (1711606710.89)
end:         Mar 28 2024 14:28:43.88 (1711607323.88)
size:        15.4 GB
messages:    73561
compression: none [12163/12163 chunks]
types:       sensor_msgs/Imu         [6a62c6daae103f4ff57a132d6f95cec2]sensor_msgs/PointCloud2 [1158d486dd51d683ce2f1be655c3c181]
topics:      /back/velodyne_points    6130 msgs    : sensor_msgs/PointCloud2/imu/data               61304 msgs    : sensor_msgs/Imu        /velodyne_points         6127 msgs    : sensor_msgs/PointCloud2
怎么修改yaml文件里面的topic                                                                                                                                                           lio_sam:# TopicspointCloudTopic: "sensor_msgs/PointCloud2"               # Point cloud dataimuTopic: "sensor_msgs/Imu"                         # IMU data#odomTopic: "odometry/imu"                   # IMU pre-preintegration odometry, same frequency as IMU#gpsTopic: "odometry/gpsz"                   # GPS odometry topic from navsat, see module_navsat.launch file# FrameslidarFrame: "base_link"baselinkFrame: "base_link"odometryFrame: "odom"mapFrame: "map"# GPS SettingsuseImuHeadingInitialization: true           # if using GPS data, set to "true"useGpsElevation: false                      # if GPS elevation is bad, set to "false"gpsCovThreshold: 2.0                        # m^2, threshold for using GPS dataposeCovThreshold: 25.0                      # m^2, threshold for using GPS data# Export settingssavePCD: false                              # https://github.com/TixiaoShan/LIO-SAM/issues/3savePCDDirectory: "/Downloads/LOAM/"        # in your home folder, starts and ends with "/". Warning: the code deletes "LOAM" folder then recreates it. See "mapOptimization" for implementation# Sensor Settingssensor: velodyne                            # lidar sensor type, 'velodyne' or 'ouster' or 'livox'N_SCAN: 16                                  # number of lidar channel (i.e., Velodyne/Ouster: 16, 32, 64, 128, Livox Horizon: 6)Horizon_SCAN: 1800                          # lidar horizontal resolution (Velodyne:1800, Ouster:512,1024,2048, Livox Horizon: 4000)downsampleRate: 1                           # default: 1. Downsample your data if too many points. i.e., 16 = 64 / 4, 16 = 16 / 1lidarMinRange: 1.0                          # default: 1.0, minimum lidar range to be usedlidarMaxRange: 1000.0                       # default: 1000.0, maximum lidar range to be used# IMU SettingsimuAccNoise: 3.9939570888238808e-03imuGyrNoise: 1.5636343949698187e-03imuAccBiasN: 6.4356659353532566e-05imuGyrBiasN: 3.5640318696367613e-05imuGravity: 9.80511imuRPYWeight: 0.01# Extrinsics: T_lb (lidar -> imu)extrinsicTrans: [0.0, 0.0, 0.0]# extrinsicRot: [-1, 0, 0,#                 0, 1, 0,#                 0, 0, -1]# extrinsicRPY: [0, -1, 0,#                1, 0, 0,#                0, 0, 1]extrinsicRot: [1, 0, 0,0, 1, 0,0, 0, 1]extrinsicRPY: [1, 0, 0,0, 1, 0,0, 0, 1]# LOAM feature thresholdedgeThreshold: 1.0surfThreshold: 0.1edgeFeatureMinValidNum: 10surfFeatureMinValidNum: 100# voxel filter papramsodometrySurfLeafSize: 0.4                     # default: 0.4 - outdoor, 0.2 - indoormappingCornerLeafSize: 0.2                    # default: 0.2 - outdoor, 0.1 - indoormappingSurfLeafSize: 0.4                     # default: 0.4 - outdoor, 0.2 - indoor# robot motion constraint (in case you are using a 2D robot)z_tollerance: 1000                            # metersrotation_tollerance: 1000                     # radians# CPU ParamsnumberOfCores: 4                              # number of cores for mapping optimizationmappingProcessInterval: 0.15                  # seconds, regulate mapping frequency# Surrounding mapsurroundingkeyframeAddingDistThreshold: 1.0   # meters, regulate keyframe adding thresholdsurroundingkeyframeAddingAngleThreshold: 0.2  # radians, regulate keyframe adding thresholdsurroundingKeyframeDensity: 2.0               # meters, downsample surrounding keyframe poses   surroundingKeyframeSearchRadius: 50.0         # meters, within n meters scan-to-map optimization (when loop closure disabled)# Loop closureloopClosureEnableFlag: trueloopClosureFrequency: 1.0                     # Hz, regulate loop closure constraint add frequencysurroundingKeyframeSize: 50                   # submap size (when loop closure enabled)historyKeyframeSearchRadius: 15.0             # meters, key frame that is within n meters from current pose will be considerd for loop closurehistoryKeyframeSearchTimeDiff: 30.0           # seconds, key frame that is n seconds older will be considered for loop closurehistoryKeyframeSearchNum: 25                  # number of hostory key frames will be fused into a submap for loop closurehistoryKeyframeFitnessScore: 0.3              # icp threshold, the smaller the better alignment# VisualizationglobalMapVisualizationSearchRadius: 1000.0    # meters, global map visualization radiusglobalMapVisualizationPoseDensity: 10.0       # meters, global map visualization keyframe densityglobalMapVisualizationLeafSize: 1.0           # meters, global map visualization cloud densityNavsat (convert GPS coordinates to Cartesian)
navsat:frequency: 50wait_for_datum: falsedelay: 0.0magnetic_declination_radians: 0yaw_offset: 0zero_altitude: truebroadcast_utm_transform: falsebroadcast_utm_transform_as_parent_frame: falsepublish_filtered_gps: falseEKF for Navsat
ekf_gps:publish_tf: falsemap_frame: mapodom_frame: odombase_link_frame: base_linkworld_frame: odomfrequency: 50two_d_mode: falsesensor_timeout: 0.01# -------------------------------------# External IMU:# -------------------------------------imu0: imu_correct# make sure the input is aligned with ROS REP105. "imu_correct" is manually transformed by myself. EKF can also transform the data using tf between your imu and base_linkimu0_config: [false, false, false,true,  true,  true,false, false, false,false, false, true,true,  true,  true]imu0_differential: falseimu0_queue_size: 50 imu0_remove_gravitational_acceleration: true# -------------------------------------# Odometry (From Navsat):# -------------------------------------odom0: odometry/gpsodom0_config: [true,  true,  true,false, false, false,false, false, false,false, false, false,false, false, false]odom0_differential: falseodom0_queue_size: 10#                            x     y     z     r     p     y   x_dot  y_dot  z_dot  r_dot p_dot y_dot x_ddot y_ddot z_ddotprocess_noise_covariance: [  1.0,  0,    0,    0,    0,    0,    0,     0,     0,     0,    0,    0,    0,    0,      0,0,    1.0,  0,    0,    0,    0,    0,     0,     0,     0,    0,    0,    0,    0,      0,0,    0,    10.0, 0,    0,    0,    0,     0,     0,     0,    0,    0,    0,    0,      0,0,    0,    0,    0.03, 0,    0,    0,     0,     0,     0,    0,    0,    0,    0,      0,0,    0,    0,    0,    0.03, 0,    0,     0,     0,     0,    0,    0,    0,    0,      0,0,    0,    0,    0,    0,    0.1,  0,     0,     0,     0,    0,    0,    0,    0,      0,0,    0,    0,    0,    0,    0,    0.25,  0,     0,     0,    0,    0,    0,    0,      0,0,    0,    0,    0,    0,    0,    0,     0.25,  0,     0,    0,    0,    0,    0,      0,0,    0,    0,    0,    0,    0,    0,     0,     0.04,  0,    0,    0,    0,    0,      0,0,    0,    0,    0,    0,    0,    0,     0,     0,     0.01, 0,    0,    0,    0,      0,0,    0,    0,    0,    0,    0,    0,     0,     0,     0,    0.01, 0,    0,    0,      0,0,    0,    0,    0,    0,    0,    0,     0,     0,     0,    0,    0.5,  0,    0,      0,0,    0,    0,    0,    0,    0,    0,     0,     0,     0,    0,    0,    0.01, 0,      0,0,    0,    0,    0,    0,    0,    0,     0,     0,     0,    0,    0,    0,    0.01,   0,0,    0,    0,    0,    0,    0,    0,     0,     0,     0,    0,    0,    0,    0,      0.015]

解答

根據您的ROS Bag文件中的Topic信息，需要將YAML配置文件中的 LiDAR點云Topic 和 IMU Topic 與實際錄制的話題名稱對齊。以下是具體修改步驟：---**一、關鍵Topic配置修改**
**1. LiDAR點云Topic**
原始配置錯誤地將點云Topic定義為消息類型，需改為實際Topic名稱：
```yaml
lio_sam:# TopicspointCloudTopic: "/velodyne_points"  # 修改前："sensor_msgs/PointCloud2"# 或根據需求選擇多雷達：# pointCloudTopic: "/back/velodyne_points"
```**2. IMU Topic**
IMU Topic需匹配Bag文件中的實際名稱：
```yamlimuTopic: "/imu/data"  # 修改前："sensor_msgs/Imu"
```---**二、其他相關配置驗證**
**1. 傳感器類型與參數**
檢查LiDAR型號參數是否匹配（Velodyne/Ouster/Livox）：
```yaml# Sensor Settingssensor: velodyne  # 確保與使用的LiDAR型號一致N_SCAN: 16        # Velodyne 16線雷達配置Horizon_SCAN: 1800 # Velodyne的水平分辨率
```**2. 坐標系對齊**
驗證雷達與IMU的坐標系關系（若存在外參偏移需修改）：
```yaml# Extrinsics: T_lb (lidar -> imu)extrinsicTrans: [0.0, 0.0, 0.0]  # 若無偏移可保持默認extrinsicRot: [1, 0, 0,0, 1, 0,0, 0, 1]          # 單位矩陣表示坐標系對齊
```**3. 導航衛星配置**
如果使用GPS數據，確保`navsat`部分Topic與Bag一致：
```yaml
navsat:# 若有GPS數據需配置對應Topic# odom0: "odometry/gps"  # 取消注釋并驗證Topic名稱
```---**三、修改后完整配置示例**
```yaml
lio_sam:# TopicspointCloudTopic: "/velodyne_points"  # 或 "/back/velodyne_points"imuTopic: "/imu/data"# FrameslidarFrame: "base_link"baselinkFrame: "base_link"odometryFrame: "odom"mapFrame: "map"# Sensor Settingssensor: velodyneN_SCAN: 16Horizon_SCAN: 1800downsampleRate: 1lidarMinRange: 1.0lidarMaxRange: 1000.0# IMU噪聲參數（根據傳感器標定結果填寫）imuAccNoise: 3.9939570888238808e-03imuGyrNoise: 1.5636343949698187e-03imuGravity: 9.80511
```---**四、驗證與調試**
1. 啟動LIO-SAM：```bashroslaunch lio_sam run.launch```2. 回放Bag文件：```bashrosbag play l1_cooperation_2023-12-21-15-44-16_velodyne.bag \--topics /velodyne_points /imu/data  # 限定必要Topic```3. 檢查Topic連通性：```bashrostopic list | grep -E "velodyne_points|imu/data"  # 確認Topic已發布```---**五、常見問題解決**
1. Topic未接收：? 使用`rostopic hz /velodyne_points`檢查發布頻率? 在`launch`文件中添加重映射：```xml<node pkg="lio_sam" type="lio_sam_imuPreintegration" name="imuPreintegration"><remap from="/imu/data" to="/your_custom_imu_topic"/></node>```2. 時間同步問題：```bashrosbag play --clock bag_file.bag  # 啟用模擬時間```---通過以上配置，您的LIO-SAM將正確訂閱Bag文件中的傳感器數據。若需進一步優化建圖效果，可調整`mappingCornerLeafSize`等點云降采樣參數（參見原始配置第25-27行）。

問題2：

為什么修改之后運行重新打開一個終端，輸入roslaunch lio_sam run.launch和rosbag play 包在rviz里面沒有顯示呀，是需要添加什么話題嗎

---**原因分析與解決方案**
根據圖片中的 RViz報錯信息 和 終端日志，修改后運行未顯示數據的原因可能是以下幾點：---**1. 坐標系（TF）未正確發布**
圖片中的關鍵錯誤是 `Fixed Frame [map] does not exist`，說明ROS系統中未發布 `map` 坐標系，導致所有依賴該坐標系的顯示內容（點云、軌跡等）無法渲染。  
原因：  
? LIO-SAM的核心節點未正常啟動（如 `mapOptimization` 節點崩潰）。  ? YAML參數配置錯誤（如 `mapFrame` 與其他節點沖突）。  解決方案：  
1. 檢查YAML配置：確保 `lio_sam` 部分的 `mapFrame` 和 `odometryFrame` 與其他節點（如 `ekf_gps`）的配置一致：  ```yaml# lio_sam/config/params.yamllio_sam:mapFrame: "map"          # 必須與其他節點的map_frame一致odometryFrame: "odom"    # 必須與ekf_gps的odom_frame一致``````yaml# ekf_gps配置（若有）ekf_gps:map_frame: "map"odom_frame: "odom"base_link_frame: "base_link"```2. 驗證節點啟動狀態：  ? 在終端日志中，確認 `lio_sam_mapOptmization` 節點是否啟動（如日志中出現 `[lio_sam_mapOptmization-4] process started`）。  ? 若節點崩潰，檢查 `mapOptmization.cpp` 的依賴項（如GTSAM版本、PCL配置）。---**2. 話題未正確訂閱**
RViz中未顯示點云或軌跡，可能是因為 話題名稱未匹配 或 數據未發布。  
原因：  
? YAML中的 `pointCloudTopic` 或 `imuTopic` 與Bag文件中的實際話題名稱不一致。  ? 數據未同步（如Bag文件播放時未指定時鐘）。  解決方案：  
1. 修改YAML話題名稱：  根據Bag文件中的實際話題名稱調整參數：  ```yaml# lio_sam/config/params.yamllio_sam:pointCloudTopic: "/velodyne_points"  # 修改為Bag中的實際名稱imuTopic: "/imu/data"               # 修改為Bag中的實際名稱```2. 指定時鐘同步播放Bag：  ```bashrosbag play --clock your_data.bag  # 啟用模擬時鐘```---**3. RViz顯示配置錯誤**
即使數據已發布，若RViz未正確配置顯示類型或話題，仍無法可視化。  
解決方案：  
1. 添加顯示插件：  ? 在RViz中點擊 Add → By Topic → 選擇以下話題：  ? PointCloud2：訂閱 `/lio_sam/mapping/cloud_registered`  ? Path：訂閱 `/lio_sam/mapping/path`  ? TF：勾選所有坐標系  ? 設置 Fixed Frame 為 `map`（若不存在則設為 `odom` 臨時測試）。2. 驗證話題存在性：  ```bashrostopic list | grep -E "cloud_registered|path|imu|odom"  # 確認關鍵話題已發布```---**4. 進程依賴沖突**
終端日志顯示 `robot_state_publisher` 和 `ekf_gps` 進程異常退出，可能是 節點依賴沖突 或 參數重復定義。  
解決方案：  
1. 關閉沖突節點：  在 `run.launch` 中注釋或刪除重復節點定義（如 `robot_state_publisher` 或 `ekf_gps`）。  ```xml<!-- 注釋沖突節點 --><!-- <node pkg="robot_state_publisher" type="robot_state_publisher" name="robot_state_publisher" /> -->```2. 檢查launch文件依賴：  確保所有節點依賴的包已安裝（如 `robot_state_publisher` 需安裝 `ros-noetic-robot-state-publisher`）。---**操作流程驗證**
1. 啟動LIO-SAM：  ```bashsource devel/setup.bash  # 確保環境生效roslaunch lio_sam run.launch```2. 播放數據包：  ```bashrosbag play --clock your_data.bag --topics /velodyne_points /imu/data  # 限定必要話題```3. RViz配置檢查：  ? 打開RViz并加載LIO-SAM的默認配置（通常位于 `config/rviz.rviz`）。  ? 手動添加顯示插件并訂閱話題（見上文步驟）。---**常見問題排查**
? 終端無地圖輸出：檢查 `mapOptmization` 節點的日志，確認GTSAM優化是否收斂。  ? TF樹不完整：運行 `rosrun tf view_frames` 生成TF關系圖，驗證 `map → odom → base_link` 是否存在。  ? 數據延遲：調整Bag播放速率 `rosbag play -r 0.8`（降速80%）。通過以上步驟，可解決坐標系缺失和數據顯示問題。若仍無法解決，請提供完整終端日志和 `params.yaml` 文件進一步分析。

最后得到的三維點云圖像如下：