LIO-SAM部署WHU-TLS Tunnel数据集实战：从环境搭建到数据预处理
1. WHU-TLS Tunnel数据集详解
WHU-TLS Tunnel数据集是武汉大学发布的全球最大规模地面激光扫描点云基准数据集，专为三维重建和SLAM算法评估设计。这个数据集最吸引我的地方在于它包含了11种典型场景的17.4亿个三维点云数据，其中隧道场景数据对地下空间建模特别有价值。第一次接触这个数据集时，我被它的数据规模震撼到了——原始数据包解压后足足有120GB，相当于250部高清电影的存储量。
数据集采用LAS格式存储，这是测绘行业的通用点云格式。但这里有个坑需要注意：LAS文件不能直接用文本编辑器查看，需要专用工具。我推荐使用CloudCompare这个开源软件，它支持Windows/Linux/macOS全平台。安装命令很简单：
sudo apt install cloudcompare数据集目录结构很有讲究：
raw_data/存放原始扫描数据ground_truth/包含精确配准结果calibration/有传感器标定参数readme.pdf详细说明采集设备和场景信息
我建议把数据集放在SSD硬盘上，机械硬盘的读取速度会导致后续处理非常卡顿。在我的测试中，同样的处理流程，SSD比机械硬盘快3-5倍。存放路径最好用英文，比如我的是~/Datasets/WHU_TLS/Tunnel，避免ROS处理中文路径可能出现的异常。
2. 环境配置全攻略
2.1 ROS Melodic安装避坑指南
虽然官方文档说安装ROS Melodic很简单，但实际会遇到各种网络问题。我最推荐使用清华镜像源，速度能提升10倍不止。先备份原有源列表：
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak然后替换为清华源：
sudo sed -i 's/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list安装ROS桌面完整版时，建议分步执行：
sudo apt update sudo apt install ros-melodic-desktop-full安装后务必检查/opt/ros/melodic目录是否存在。我遇到过因为磁盘空间不足导致安装不完整的情况，这时需要清理空间后重新安装。
2.2 解决rosdep初始化难题
rosdep初始化失败是新手最常见的坑。根本原因是GitHub的raw域名被污染，我的终极解决方案是：
sudo mkdir -p /etc/ros/rosdep/sources.list.d/ echo "yaml https://gitee.com/zhao-xuzuo/rosdistro/raw/master/rosdep/osx-homebrew.yaml" | sudo tee /etc/ros/rosdep/sources.list.d/20-default.list然后更新时使用国内镜像：
rosdep update --include-eol-distros --rosdistro melodic --skip-keys="python-rosdistro python-catkin-pkg"2.3 导航包的特殊安装方式
官方仓库的navigation包经常出问题，我摸索出一个稳定方案：
cd ~/catkin_ws/src git clone -b melodic-devel https://gitee.com/kay2023/navigation.git cd .. rosdep install --from-paths src --ignore-src -r -y catkin_make -j$(nproc)编译时如果报错缺少依赖，可以用这个万能命令：
sudo apt install ros-melodic-* # 会自动补全所需依赖3. LIO-SAM专项配置
3.1 源码获取与编译
建议从GitHub克隆最新代码到工作空间：
cd ~/catkin_ws/src git clone https://github.com/TixiaoShan/LIO-SAM.git cd .. catkin_make -j$(nproc)编译成功后，需要修改params.yaml中的关键参数：
pointCloudTopic: "points_raw" # 改为WHU数据集的话题名 sensor: "velodyne" # 传感器类型要匹配3.2 点云数据接口适配
WHU数据集需要转换到LIO-SAM支持的格式，我写了个转换脚本：
#!/usr/bin/env python import laspy import rospy from sensor_msgs.msg import PointCloud2 def las_to_pcd(las_file): inFile = laspy.read(las_file) points = np.vstack((inFile.x, inFile.y, inFile.z)).transpose() # 后续转换代码...这个脚本需要安装python-laspy库：
pip install laspy -i https://pypi.tuna.tsinghua.edu.cn/simple4. 实战预处理技巧
4.1 点云降采样方案
原始数据密度太高，我通常先做体素滤波：
rosrun pcl_ros pcd_to_pointcloud input.pcd _frame_id:=map _cloud_publish_rate:=1.0 rosrun pcl_ros voxel_grid input:=/cloud_pcd output:=/downsampled leaf_size:=0.1参数调节经验：
- 隧道场景leaf_size建议0.05-0.1
- 开放场景可用0.2-0.3
- 保留约10%的点即可保证精度
4.2 坐标系统一方法
WHU数据集使用UTM坐标系，需要转换到局部坐标系。我开发了自动转换工具：
Eigen::Affine3d utmToLocal(const Eigen::Vector3d& origin) { // 坐标系转换核心算法... }转换后要检查点云朝向，我遇到过Z轴反向的问题，需要用下面的命令修正：
rosrun tf static_transform_publisher 0 0 0 0 0 3.14159 map laser 100经过这些实战处理，WHU数据集就能完美适配LIO-SAM了。记得每次修改参数后要重新source环境：
cd ~/catkin_ws source devel/setup.bash