从ROS2到ROS1：Lightning-LM激光SLAM系统移植实践与核心代码解析
1. Lightning-LM激光SLAM系统概述
Lightning-LM是高博团队最新开源的激光建图定位系统，它融合了Fast-LIO2的前端思想并进行了优化改进。这个系统最吸引我的地方在于它采用了iVox替代传统KD-Tree进行点云管理，实测建图效率提升了约30%。后端则使用经过裁剪的g2o库进行优化，整体架构非常清晰。
定位模块采用LIO+NDT的混合方案，前端通过激光惯性里程计提供初始位姿，后端用NDT进行scan-to-map匹配。我特别喜欢它的动态地图更新机制，能够将定位过程中采集的新点云实时插入到全局地图中。这个特性在实际测试中表现惊艳——当环境发生轻微变化时（比如办公室桌椅移动），系统仍能保持稳定定位。
2. ROS2到ROS1移植的必要性
虽然ROS2在架构上有诸多优势，但现实情况是很多工业场景仍在使用ROS1。我在最近的一个AGV项目中就遇到这个问题——客户提供的传感器驱动都是ROS1版本，直接使用原版Lightning-LM需要额外开发适配层。更关键的是，现有的大量数据集（如KITTI、Mulran等）都是用ROS1的bag格式记录的。
移植过程中发现，ROS2和ROS1的主要差异集中在通信接口和构建系统。比如ROS2的Component机制在ROS1中需要用nodelet替代，消息类型虽然相似但命名空间有所不同。通过对比测试，移植到ROS1后系统性能损耗不到5%，这个代价完全可以接受。
3. 核心代码移植实战
3.1 通信接口改造
以loc_system.cc为例，ROS2的订阅接口需要改为ROS1风格。原代码中的：
auto imu_sub_ = create_subscription<sensor_msgs::msg::Imu>( imu_topic_, 10, [this](const sensor_msgs::msg::Imu::SharedPtr msg) {...});需要修改为：
ros::Subscriber imu_sub_ = nh_.subscribe<sensor_msgs::Imu>( imu_topic_, 10, [this](const sensor_msgs::ImuConstPtr& msg){...});特别注意回调函数参数类型的变化：ROS2使用SharedPtr，而ROS1使用ConstPtr。这个细节如果忽略会导致编译错误，我在第一次移植时就栽在这个坑里。
3.2 TF系统适配
ROS2的tf2接口变化较大，比如发布坐标变换的代码：
tf_broadcaster_->sendTransform(transform);在ROS1中需要改为：
tf::TransformBroadcaster broadcaster; broadcaster.sendTransform(transform);这里有个实用技巧：建议统一使用tf_prefix来处理多机器人场景，这在ROS1中是通过~tf_prefix参数实现的，而ROS2使用的是frame_prefix。
4. 构建系统改造详解
4.1 CMakeLists.txt重构
ROS2的ament_cmake需要改回catkin。最关键的改动是依赖声明部分：
# ROS2原版 find_package(ament_cmake REQUIRED) find_package(rclcpp REQUIRED) # ROS1修改版 find_package(catkin REQUIRED COMPONENTS roscpp tf pcl_ros )特别注意第三方库的处理。原项目使用了livox_ros_driver2，需要替换为ROS1版本的livox_ros_driver。我在测试时发现，两个版本的CustomMsg数据结构有细微差异，需要同步修改点云处理代码。
4.2 package.xml调整
依赖项声明需要全面更新：
<!-- ROS2原版 --> <depend>rclcpp</depend> <depend>tf2_ros</depend> <!-- ROS1修改版 --> <build_depend>roscpp</build_depend> <build_depend>tf</build_depend>建议使用rosdep检查所有依赖：
rosdep install --from-paths src --ignore-src -y5. 实战调试技巧
移植后首次运行时，我遇到了点云数据显示异常的问题。通过以下步骤解决了这个经典bug：
- 使用rviz检查原始点云话题是否正常
- 确认PCL版本一致性（ROS1默认使用PCL1.8）
- 检查tf树是否完整
- 验证时间戳同步机制
特别提醒：ROS1和ROS2的时钟接口不同。如果代码中使用到系统时间，需要将rclcpp::Clock改为ros::Time。我在定位模块中就遇到了因时间处理不当导致的轨迹漂移问题。
6. 性能优化建议
完成基础移植后，可以通过以下手段进一步提升性能：
- 启用OpenMP加速：在CMake中添加
find_package(OpenMP REQUIRED) target_link_libraries(${PROJECT_NAME} OpenMP::OpenMP_CXX)调整NDT分辨率参数：建议从0.5m开始测试，根据场景逐步优化
使用TBB替代STL容器：iVox本身就支持TBB，实测在i7-11800H上能降低15%的CPU占用
移植后的系统在Intel NUC上跑出了令人满意的效果：建图时CPU占用约65%，内存消耗稳定在1.2GB左右，定位精度达到±5cm，完全满足工业场景需求。