主頁：https://github.com/PRBonn/kiss-icp?tab=readme-ov-file

倉庫：https://github.com/PRBonn/kiss-icp.git

非 ROS 使用流程

1. 克隆倉庫

git clone https://github.com/PRBonn/kiss-icp.git cd kiss-icp

2. 使用 micromamba 創建 Python 虛擬環境

micromamba create -n kissicp python=3.10 
micromamba activate kissicp

3. 安裝 Python 依賴與安裝包

pip install -U pip 
pip install kiss-icp

或者如果希望基于本地代碼開發：

cd python 
pip install -e .

這樣即可使用 kiss_icp_pipeline 或者對應的 Python API 接口。

4. 準備點云數據與運行

官方示例建議，是通過命令行調用 kiss_icp_pipeline，并將點云路徑作為參數傳入，例如：

kiss_icp_pipeline /path/to/your/pointclouds

（如果是自定義數據集，建議檢查 config/ 中是否有需要調整的配置文件，然后通過參數或環境變量進行指定。）

kiss_icp_pipeline /home/huang/Data/dynslam/mini-seq-06/velodyne

已經成功運行了 kiss_icp_pipeline，它很流暢地處理了Velodyne 數據：

100% (...) 100 frames · average frequency 118?Hz · runtime ~9?ms

這表明處理速度非常穩定，性能也相當高效！如果你還想進一步定制運行行為或參數，這里有幾點建議可以參考：

---

配置 scan deskew 行為

如提示所述，KISS?ICP 默認會 對掃描數據進行 deskew（去畸變）處理。如果你想修改這一行為，可以：

1. 生成默認配置文件：

   kiss_icp_dump_config > my_config.yaml

2. 編輯 my_config.yaml，將 deskew 參數設為 false （或根據需求調整）。

3. 使用定制配置運行：

   kiss_icp_pipeline /home/huang/Data/dynslam/mini-seq-06/velodyne --config my_config.yaml

   這會讓處理過程關閉 deskew 或啟用其他你修改的配置選項，行為更可控。

---

配置與版本動態

• 配置文件提供靈活性：kiss_icp_dump_config 會輸出一個當前版本默認的 YAML 格式配置，便于修改諸如 deskew、voxel size、range thresholds 等。

• 軟件已正式支持 deskew 默認開啟：從 v1.2.2 版本開始，項目默認啟用 deskew 功能，以提高精度 。

---

總結建議表

目標	操作建議
保持默認行為快速運行	直接運行 kiss_icp_pipeline <path>，已驗證可行
關閉 deskew 或調整配置	使用 kiss_icp_dump_config → 編輯 YAML → 加 --config 運行
確認版本與默認行為	當前版本默認啟用 deskew，了解版本升級帶來的行為變化可參見發行說明

5.可視化（目前 kiss_icp_pipeline CLI 工具 默認并不彈出可視化窗口，即便已經安裝了 Open3D）

使用 Python 腳本 調用管道并可視化（但結果有點奇怪....

import numpy as np
import open3d as o3d
from pathlib import Path
from kiss_icp.datasets.generic import GenericDataset
from kiss_icp.pipeline import OdometryPipeline# 數據路徑
data_dir = Path("/home/huang/Data/dynslam/mini-seq-06/velodyne")
bin_paths = sorted(data_dir.glob("*.bin"))# 加載所有點云幀
def load_kitti_bin(p):pts = np.fromfile(str(p), dtype=np.float32).reshape(-1, 4)[:, :3]return o3d.geometry.PointCloud(o3d.utility.Vector3dVector(pts))pcd_frames = [load_kitti_bin(p) for p in bin_paths]# 運行 KISS?ICP pipeline 獲取位姿
dataset = GenericDataset(data_dir=data_dir)
pipeline = OdometryPipeline(dataset=dataset)
pipeline._run_pipeline()
pipeline._run_evaluation()
poses = pipeline._calibrate_poses(pipeline.poses)# 構建地圖與軌跡點云
map_pcd = o3d.geometry.PointCloud()
for pcd in pcd_frames:map_pcd += pcd
map_pcd = map_pcd.voxel_down_sample(voxel_size=0.2)
map_pcd.paint_uniform_color([0.1, 0.1, 0.7])trajectory = [pose[:3, 3] for pose in poses]
traj_pcd = o3d.geometry.PointCloud(o3d.utility.Vector3dVector(trajectory))
traj_pcd.paint_uniform_color([1, 0, 0])# 可視化展示
vis = o3d.visualization.Visualizer()
vis.create_window("KISS?ICP Map & Trajectory")
vis.add_geometry(map_pcd)
vis.add_geometry(traj_pcd)
vis.run()
vis.destroy_window()

6.（未試）編譯 C++ 模塊加速

如果希望提升性能，可以進入 cpp/ 目錄，使用 CMake 編譯項目：

mkdir build && cd build 
cmake .. 
make -j$(nproc)

然后確保編譯產物與?Python 環境兼容（比如通過 pybind 接口可供 Python 調用）。