保姆级教程：在Ubuntu 20.04上从零编译运行HKUST的GVINS（含gnss_comm依赖配置）
保姆级教程：Ubuntu 20.04下GVINS全流程编译与实战指南
在机器人定位与导航领域，多传感器融合技术正成为解决复杂环境定位问题的关键。香港科技大学团队开源的GVINS系统，通过GNSS、视觉和惯性测量的紧耦合优化，为开发者提供了一个高精度的6-DoF全局定位解决方案。本文将手把手带你完成从系统配置到实际运行的完整流程，即使你是ROS新手也能轻松上手。
1. 环境准备与依赖安装
在开始编译GVINS之前，我们需要确保系统环境满足所有依赖要求。Ubuntu 20.04 LTS作为长期支持版本，提供了稳定的基础环境。以下是详细的准备工作：
系统基础环境配置：
sudo apt update && sudo apt upgrade -y sudo apt install -y build-essential cmake git wgetROS Noetic是官方推荐的ROS版本，与Ubuntu 20.04完美兼容。安装完整版ROS Noetic：
sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list' sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt update sudo apt install -y ros-noetic-desktop-full echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc source ~/.bashrcGVINS核心依赖包括：
- Eigen3（≥3.3.7）
- Ceres Solver（≥2.0.0）
- gnss_comm（专用GNSS库）
安装Eigen和Ceres：
sudo apt install -y libeigen3-dev libceres-dev提示：如果系统自带的Ceres版本低于2.0.0，建议从源码编译安装最新版。
2. 源码获取与工作空间配置
GVINS系统由多个组件构成，需要分别获取源码并合理组织工作空间结构。
创建标准ROS工作空间：
mkdir -p ~/gvins_ws/src cd ~/gvins_ws/src获取GVINS主仓库和数据集工具：
git clone https://github.com/HKUST-Aerial-Robotics/GVINS.git git clone https://github.com/HKUST-Aerial-Robotics/GVINS-Dataset.gitgnss_comm是GVINS的关键依赖，需要特别注意：
git clone https://github.com/HKUST-Aerial-Robotics/gnss_comm.git正确的工作空间目录结构应如下：
gvins_ws/ └── src/ ├── GVINS/ ├── GVINS-Dataset/ └── gnss_comm/3. 系统编译与常见问题解决
完成源码准备后，我们可以开始编译过程。这一阶段可能会遇到各种环境问题，下面提供详细的解决方案。
初始化工作空间依赖：
cd ~/gvins_ws rosdep install --from-paths src --ignore-src -r -y开始编译GVINS主体：
catkin_make -j$(nproc)编译过程中常见错误及解决方法：
| 错误类型 | 可能原因 | 解决方案 |
|---|---|---|
| Ceres版本不兼容 | 系统自带版本过低 | 源码编译安装最新版 |
| Eigen头文件缺失 | 路径配置错误 | 检查Eigen安装路径 |
| gnss_comm链接失败 | 未正确放置 | 确保在src目录下 |
注意：首次编译建议使用
-j1参数单线程编译，便于定位错误，成功后再使用多线程加速。
编译成功后，工作空间应生成以下目录结构：
gvins_ws/ ├── build/ ├── devel/ └── src/验证编译结果：
source devel/setup.bash roslaunch gvins visensor_f9p.launch4. 数据集准备与系统运行
GVINS提供了标准数据集用于验证系统性能，正确配置数据集是测试的关键步骤。
数据集下载与配置：
wget https://hkust-aerial-robotics.github.io/GVINS-Dataset/sports_field.bag修改配置文件visensor_left_f9p_config.yaml中的关键参数：
output_path: "/your/output/path/" # 替换为实际输出目录完整运行流程：
- 启动GVINS主节点：
source devel/setup.bash roslaunch gvins visensor_f9p.launch- 开启RVIZ可视化：
rviz -d src/GVINS/config/gvins_rviz_config.rviz- 播放数据集：
rosbag play --clock sports_field.bag运行时常见问题排查：
- 时间同步问题：确保使用
--clock参数播放bag文件 - 话题不匹配：检查launch文件中的话题名称配置
- 内存不足：大型数据集需要至少16GB内存
5. 结果评估与工具使用
GVINS提供了配套工具集用于结果分析和格式转换，这些工具对于实际应用开发非常有用。
数据集工具编译：
mkdir -p ~/data_tools_ws/src cd ~/data_tools_ws/src cp -r ~/gvins_ws/src/GVINS-Dataset/* . cp -r ~/gvins_ws/src/gnss_comm . cd .. catkin_make常用工具命令：
- ROS bag转RINEX格式：
source devel/setup.bash rosrun gvins_dataset_toolkit bag2rinex- ROS bag转RTK解算结果：
rosrun gvins_dataset_toolkit bag2rtk_solution性能评估指标：
评估GVINS性能时，可以关注以下几个关键指标：
- 定位精度（与RTK参考轨迹对比）
- 计算耗时（单帧处理时间）
- 内存占用（运行时系统资源消耗）
在实际项目中，GVINS的配置需要根据具体传感器和场景进行调整。建议从默认参数开始，逐步优化以下关键参数：
- 视觉特征点数量
- IMU噪声参数
- GNSS权重系数