保姆级教程：在Ubuntu 20.04上从零搭建LIO-SAM（含GTSAM 4.0.2编译避坑指南）-开发者社区

从零搭建LIO-SAM：Ubuntu 20.04实战指南与GTSAM 4.0.2编译全解析

1. 环境准备与系统配置

在开始LIO-SAM部署前，确保系统环境满足以下要求：

Ubuntu 20.04 LTS（推荐纯净安装）
ROS Noetic（完整桌面版安装）
16GB以上内存（编译GTSAM时内存消耗较大）
50GB可用磁盘空间

1.1 ROS Noetic安装

执行以下命令完成ROS基础环境配置：

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

提示：安装完成后建议执行rosdep update初始化依赖管理工具

1.2 必备依赖安装

LIO-SAM需要以下关键依赖包：

sudo apt-get install -y \ ros-noetic-navigation \ ros-noetic-robot-localization \ ros-noetic-robot-state-publisher \ libsuitesparse-dev \ libboost-all-dev \ libparmetis-dev

2. GTSAM 4.0.2编译与疑难解决

GTSAM作为LIO-SAM的核心依赖，其编译过程常遇到各种问题。以下是经过验证的编译流程：

2.1 源码获取与准备

wget -O ~/Downloads/gtsam.zip https://github.com/borglab/gtsam/archive/4.0.2.zip cd ~/Downloads && unzip gtsam.zip -d ~/Downloads/ cd ~/Downloads/gtsam-4.0.2/

2.2 关键编译参数配置

创建编译目录并配置CMake：

mkdir build && cd build cmake -DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF \ -DGTSAM_USE_SYSTEM_EIGEN=ON \ -DGTSAM_BUILD_TESTS=OFF \ -DGTSAM_BUILD_EXAMPLES_ALWAYS=OFF \ ..

常见问题解决方案：

内存不足错误：

添加交换空间：

sudo fallocate -l 4G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile

DGTSAM_BUILD_WITH_MARCH_NATIVE错误：
- 确保CMake命令中包含-DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF
Boost版本冲突：
- 明确指定Boost路径：
```
cmake -DBOOST_ROOT=/usr/include/boost ...
```

2.3 编译与安装

make -j$(nproc) sudo make install

编译完成后验证安装：

pkg-config --modversion gtsam

3. LIO-SAM源码编译与配置

3.1 创建工作空间与源码获取

mkdir -p ~/catkin_ws/src cd ~/catkin_ws/src git clone https://github.com/TixiaoShan/LIO-SAM.git cd ..

3.2 依赖安装与编译

rosdep install --from-paths src --ignore-src -r -y catkin_make -DCMAKE_BUILD_TYPE=Release

编译问题排查表：

错误类型	解决方案
Eigen3找不到	`sudo apt install libeigen3-dev`
PCL版本冲突	确保使用ROS Noetic自带PCL 1.10
OpenCV链接错误	检查`OpenCV_DIR`环境变量

4. 参数配置与传感器适配

4.1 params.yaml详解

关键参数配置示例（Velodyne雷达）：

lio_sam: # Topics配置 pointCloudTopic: "points_raw" imuTopic: "imu_correct" # 雷达参数 N_SCAN: 16 # 激光雷达线数 Horizon_SCAN: 1800 # 水平分辨率 # IMU参数 imuAccNoise: 3.9939570888238808e-03 imuGyrNoise: 1.5636343949698187e-03 # 外参配置 extrinsicTrans: [0.0, 0.0, 0.0] extrinsicRPY: [1, 0, 0, 0, 1, 0, 0, 0, 1]

4.2 不同雷达型号适配

Ouster雷达配置调整：

N_SCAN: 64 Horizon_SCAN: 1024 timeField: "t" # 时间戳字段改为t

5. 实战运行与调试

5.1 数据集测试

使用官方提供的walk数据集测试：

roslaunch lio_sam run.launch rosbag play walk.bag --clock

实时监控关键Topic：

/lio_sam/mapping/odometry：优化后的里程计
/lio_sam/feature/cloud_corner：角点特征
/lio_sam/feature/cloud_surface：平面特征

5.2 实时数据接入

对于实时传感器数据，需要配置正确的Topic名称：

roslaunch lio_sam run.launch \ pointCloudTopic:=/velodyne_points \ imuTopic:=/imu/data

6. 性能优化技巧

6.1 系统参数调优

提升实时性配置：

# CPU参数 numberOfCores: 4 # 使用核心数 mappingProcessInterval: 0.15 # 地图更新频率(秒) # 降采样参数 odometrySurfLeafSize: 0.4 # 前端面特征降采样尺寸 mappingCornerLeafSize: 0.2 # 后端角点降采样尺寸

6.2 内存管理策略

关键帧数量控制：

surroundingKeyframeSize: 25 # 局部地图包含的关键帧数 historyKeyframeSearchNum: 25 # 回环检测搜索范围

点云保存配置：

savePCD: false # 调试时可开启 savePCDDirectory: "/tmp/" # 存储路径

7. 高级功能配置

7.1 回环检测启用

修改params.yaml启用回环检测：

loopClosureEnableFlag: true # 启用回环 loopClosureFrequency: 1.0 # 检测频率(Hz) historyKeyframeFitnessScore: 0.3 # ICP匹配阈值

7.2 GPS融合配置

useGpsElevation: false # 通常关闭Z轴融合 gpsCovThreshold: 2.0 # GPS协方差阈值(m^2) poseCovThreshold: 25.0 # 位姿协方差阈值

8. 可视化与结果分析

推荐使用以下工具进行结果验证：

RViz配置：
- 添加/lio_sam/mapping/odometry显示轨迹
- 添加/lio_sam/mapping/map_global显示全局地图

evo评估（安装：pip install evo）：

evo_traj bag walk.bag /lio_sam/mapping/odometry -p --plot_mode xy

关键指标监控：
- 使用rqt_graph查看节点连接
- 使用rostopic hz监控各Topic频率

9. 常见问题深度解析

9.1 IMU时间同步问题

症状：出现Waiting for IMU data警告

解决方案：

检查IMU的frame_id是否一致
确保IMU频率≥100Hz

添加时间同步节点：

<node pkg="message_filters" type="time_synchronizer" name="imu_sync" output="screen" args="/imu/data /points_raw 10" />

9.2 点云畸变校正失败

调试步骤：

确认雷达驱动是否正确发布ring和time字段
检查params.yaml中的timeField配置
验证IMU数据是否连续：
```
rostopic hz /imu/data
```

9.3 建图漂移问题

优化方向：

提高IMU标定精度
调整imuAccNoise和imuGyrNoise参数
增加回环检测频率
检查雷达-IMU外参标定

10. 实际项目经验分享

在真实机器人平台上部署时，我们发现：

室外场景：GPS融合可显著改善长期稳定性，但需要：
- 设置合理的gpsCovThreshold
- 关闭useGpsElevation（GPS高度数据不可靠）
室内场景：
- 关闭GPS相关配置
- 降低surroundingKeyframeSearchRadius到20-30米
- 提高回环检测频率

计算资源受限时：

numberOfCores: 2 mappingProcessInterval: 0.3 downsampleRate: 2

经过多次实测验证，这套配置在NX Xavier上能保持10Hz以上的稳定运行频率。

保姆级教程：在Ubuntu 20.04上从零搭建LIO-SAM（含GTSAM 4.0.2编译避坑指南）