Ubuntu20.04下LVI-SAM复现避坑全记录：从环境配置到成功跑通数据集

Ubuntu 20.04下LVI-SAM复现全流程实战指南：从零到多传感器融合

在机器人感知与定位领域，LVI-SAM作为融合激光雷达、视觉和IMU数据的先进SLAM框架，正成为研究热点。然而其复杂的依赖关系和版本兼容性问题，让不少开发者在复现过程中屡屡碰壁。本文将基于Ubuntu 20.04和ROS Noetic环境，带你完整走通LVI-SAM的复现全流程，避开那些耗费开发者大量时间的"深坑"。

1. 环境准备：构建稳定的基础

复现LVI-SAM的第一步是搭建正确的开发环境。不同于简单的ROS包安装，这里涉及多个关键库的版本协调。根据实际测试，以下组合能确保最佳兼容性：

提示：强烈建议使用全新安装的Ubuntu 20.04系统开始，避免已有环境造成的冲突。

1.1 系统级依赖安装

首先更新系统并安装基础编译工具：

sudo apt update && sudo apt upgrade -y sudo apt install -y build-essential cmake git wget unzip

对于ROS Noetic的安装，官方提供了完整的安装指南，但需要注意几个关键点：

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

别忘了配置ROS环境变量：

echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc source ~/.bashrc

2. 关键依赖库的精准安装

2.1 GTSAM的版本控制艺术

GTSAM作为因子图优化的核心库，其版本选择直接影响LVI-SAM的运行。经过多次测试，4.0.3版本表现最为稳定：

wget https://github.com/borglab/gtsam/archive/refs/tags/4.0.3.tar.gz tar -xzf 4.0.3.tar.gz cd gtsam-4.0.3 mkdir build && cd build cmake -DGTSAM_USE_SYSTEM_EIGEN=ON .. make -j$(nproc) sudo make install

常见问题处理：

• 若遇到Eigen相关错误，检查CMakeCache.txt中GTSAM_USE_SYSTEM_EIGEN是否为ON
• 编译时出现LocalParameterization错误，通常表示版本过高，需降级到4.0.x系列

2.2 Ceres Solver的兼容之道

Ceres的版本选择同样关键，1.14.0版本经过验证最为可靠：

sudo apt-get install -y libgoogle-glog-dev libatlas-base-dev wget https://github.com/ceres-solver/ceres-solver/archive/1.14.0.tar.gz tar -xzf 1.14.0.tar.gz cd ceres-solver-1.14.0 mkdir build && cd build cmake .. make -j$(nproc) sudo make install

注意：避免使用apt直接安装Ceres，默认版本可能不兼容。手动编译时确保所有依赖项完整安装。

3. LVI-SAM源码的深度适配

3.1 创建工作空间与获取源码

标准的ROS工作空间初始化流程：

mkdir -p ~/lvi_ws/src cd ~/lvi_ws/src catkin_init_workspace git clone https://github.com/TixiaoShan/LVI-SAM.git

3.2 关键源码修改清单

为确保顺利编译，以下文件必须进行修改：

1. CMakeLists.txt调整：

   • 将C++标准从11升级到14：set(CMAKE_CXX_FLAGS"-std=c++14")
   • 添加Boost组件依赖：

     find_package(Boost REQUIRED COMPONENTS timer thread serialization chrono)

2. OpenCV头文件更新（共涉及5个文件）：

   • 替换#include <opencv/cv.h>为#include <opencv2/opencv.hpp>
   • 在BRIEF.cpp中添加#include <opencv2/imgproc.hpp>

3. 字体常量修正：

   • 将所有CV_FONT_HERSHEY_SIMPLEX替换为cv::FONT_HERSHEY_SIMPLEX
   • 颜色空间转换常量更新：CV_RGB2GRAY→cv::COLOR_RGB2GRAY

4. 预积分参数类型修复：

   • 处理shared_ptr<PreintegrationParams>相关类型转换问题

3.3 编译与验证

安装额外ROS依赖后开始编译：

sudo apt install ros-noetic-fake-localization ros-noetic-robot-localization cd ~/lvi_ws catkin_make -j$(nproc)

编译成功的关键检查点：

• 无LocalParameterization相关报错
• 所有OpenCV相关警告应已消除
• 最终应生成lvi-sam相关的可执行文件

4. 数据集运行与实战调试

4.1 标准数据集测试

启动LVI-SAM核心节点：

source devel/setup.bash roslaunch lvi-sam run.launch

在新终端中播放数据集：

rosbag play --clock handheld.bag

常见运行问题处理：

1. Large velocity警告：

   • 检查IMU数据频率是否正常
   • 调整config/params.yaml中的imuAccNoise和imuGyrNoise参数

2. 坐标系转换异常：

   • 确认transform_configuration中的外参矩阵正确
   • 使用rosrun tf view_frames检查TF树结构

3. 点云与图像不同步：

   • 检查use_lidar和use_vision参数是否按需启用
   • 调整message_filters的时间同步阈值

4.2 自定义数据集适配

要使LVI-SAM适配自己的传感器数据，需要关注：

1. 传感器标定：

   • 激光雷达与IMU的外参（extrinsicTrans和extrinsicRot）
   • IMU内参（噪声和随机游走参数）

2. 话题重映射：

   <remap from="/imu/data" to="/your_imu_topic"/> <remap from="/points_raw" to="/your_lidar_topic"/>

3. 数据预处理：

   • 确保点云使用sensor_msgs/PointCloud2格式
   • IMU数据应包含完整的协方差信息

5. 高级调试与性能优化

5.1 可视化调试技巧

利用RViz进行多传感器数据验证：

rosrun rviz rviz -d $(rospack find lvi-sam)/config/rviz_config.rviz

关键可视化元素：

• Lidar Features：检查特征点提取质量
• Visual Features：验证视觉特征匹配
• Optimized Path：观察轨迹优化效果

5.2 关键参数调优指南

params.yaml中影响性能的核心参数：

5.3 性能评估方法

使用evo工具进行轨迹精度评估：

# 保存估计轨迹 rosrun lvi-sam save_traj --output_path ./traj.txt # 与真值对比 evo_ape kitti ground_truth.txt traj.txt -p --plot

关键评估指标解读：

• APE（绝对位姿误差）：反映整体精度
• RPE（相对位姿误差）：衡量局部一致性
• 轨迹对齐情况：检查是否存在尺度漂移