智能网联汽车感知系统装调与故障诊断-教案 项目七任务3：基于激光雷达与IMU实现SLAM功能（教师手册）

项目七任务4基于激光雷达与IMU实现SLAM功能-教师手册智能网联汽车传感器应用技术PAG.一体化教学设计授课教师：授课班级：学时数：8授课日期：一体化教学场所：教学目标能力目标知识目标素质目标1.能独立完成基于激光雷达实现SLAM的开发；2.能独立完成基于激光雷达和IMU实现SLAM的开发。1.通过课程讲解了解SLAM建图和Hector_SLAM；2.通过课程讲解了解IMU内参标定的方法及激光雷达与IMU外参标定的方法；3.通过课程讲解了解多传感器融合算法LIO-SAM介绍；4.通过课程讲解了解基于激光雷达实现SLAM的开发过程；5.通过课程讲解了解基于激光雷达和IMU实现SLAM的开发过程。1.专心听课认真记录笔记；2.积极参与讨论；3.个人积极回答问题；4.认真填写工作页；5.养成良好的课后复习习惯；6.课后翻阅相关资料加深对课程的了解。教学重点1.IMU内参标定的方法；2.激光雷达与IMU外参标定的方法；3.多传感器融合算法LIO-SAM；4.基于激光雷达和IMU实现SLAM的开发过程。教学准备1.基于激光雷达与IMU实现SLAM功能课件；教学活动1.通过多媒体课件讲解，让学生们了解IMU内参标定的方法；2.通过多媒体课件讲解，让学生们了解激光雷达与IMU外参标定的方法；3.通过多媒体课件讲解，让学生们了解多传感器融合算法LIO-SAM；4.通过视频教学讲解、实操演示和学生动手实操，让学生们掌握基于激光雷达和IMU实现SLAM的开发过程。课后作业教学体会2.一体化教学实施教学流程教学内容教学方法教学手段学生活动时间分配（min）教学引入提问：激光雷达结合IMU是如何实现SLAM建图的？课前提问多媒体课件分组讨论10教学告知1.IMU内参标定的方法；2.激光雷达与IMU外参标定的方法；3.多传感器融合算法LIO-SAM；4.基于激光雷达和IMU实现SLAM的开发过程。讲授多媒体课件示范教学课前预习15教学准备1.基于激光雷达与IMU实现SLAM功能课件；讲授多媒体课件讲解课前预习10教学实施1.IMU内参标定的方法；2.激光雷达与IMU外参标定的方法；3.多传感器融合算法LIO-SAM；4.基于激光雷达和IMU实现SLAM的开发过程。讲授演示练习多媒体课件讲解实操演示课前预习分组讨论动手实操295教学总结基于激光雷达实现SLAM的开发过程、基于激光雷达和IMU实现SLAM的开发过程。提问启发引导多媒体课件讲解1.回答问题2.完成学生工作页303.任务考核及答案3.1开发基础知识认识工单SLAM，也称为CML，即同时定位与地图构建，或并发建图与定位。目前用在SLAM上的传感器主要分为激光SLAM和视觉SLAM。本课程的基于激光雷达实现SLAM功能的开发是基于图优化的Hector_SLAM方案，该方案仅有前端扫描匹配的模块，无后端优化的过程。IMU内参标定使用的是Allan方差法。激光雷达与IMU外参标定方法为lidar_align，是瑞士苏黎世理工大学-自动驾驶实验室开源的一种校准3D激光雷达和6自由度位姿传感器外参的方法。LIO-SAM是在局部范围内进行扫描匹配以显著提高系统的实时性能。3.2基于激光雷达实现SLAM功能开发活动实施工单3.2.1准备工作步骤准备工作（根据实际使用的工具作答）根据实际情况在“”上填上正确答案1运行节点扫描的效果：2（1）安装ros-melodic-tf2-sensor-msgs。（2）安装pointcloud_to_laserscan包。（3）创建launch文件。并将固定文本（具体内容请查看学生手册）输入文件中。目的：实现三维点云数据转二维点云数据3（1）打开一个新的终端，启动3d雷达驱动。（2）再打开一个新的终端，启pointcloud_to_laserscan节点。如果想要显示二维点云，还需要在Rivz中添加LaserScan。然后将Topic话题改为/scan，Style话题改为Points。4（1）安装qt4-default（2）安装hector_slam（3）修改tutorial.launch文件两个修改点：1、将<paramname="/use_sim_time"value="false"/>中的true改为false。2、添加两个tf变换坐标。5修改mapping_default.launch文件6修改rslidar中的frame_id，并重新编译rslidar_ros将private_nh.param("frame_id",config_.frame_id,std::string("rslidar"));中的rslidar改为laser。7创建slam.launch文件，在创建的空文本中输入如下：这里需要注意的是，第一个和第三个都启动了rviz，需要将第一个launch文件中的rviz注释掉。①的目的：启动激光雷达②的目的：将三维point转换为二维scan③的目的：执行hector_slam功能3.2.2基于激光雷达的SLAM建图的实施工单步骤基于激光雷达的SLAM建图（根据实际使用的工具作答）根据实际情况在“”上填上正确答案1（1）启动slam.launch文件（2）移动应用实训台，会对周围的环境进行建图（3）查看建图效果：灰色表示：激光雷达没有探测到的未知区域黑色的点表示：激光雷达探测到障碍点白色表示：激光雷达已探测的不存在障碍物的区域3.3基于激光雷达和IMU实现SLAM开发活动实施工单3.3.1IMU的内参标定IMU的内参标定根据实际情况在“”上填上正确答案1、IMU为什么要进行内参标定？答：受各种因素影响，微机械IMU放置一段时间后，其误差参数和惯性元件参数会发生变化，不能满足导航、制导的精度要求，因此必须定期对其相应参数重新标定。2、IMU在采集数据时，会产生哪两种误差？答：确定性误差和随机性误差1连接串口2编译安装Eigen线性代数库3编译安装CeresSolver非线性最小二乘求解工具包，在编译过程可能会出现无法定位libcxsoarse3.1.2的问题。解决办法：（1）打开sources.list；（2）将下面的源粘贴到最上方sources.list；（3）更新源；（4）重新输入依赖项安装命令安装依赖项。4编译code_utils安装依赖项把code_utils工具包放入ROS工作空间src文件夹下，进入ROS工作空间，执行catkin_make命令进行编译如果出现编译出错状况，解决方法如下：①把src/code_utils/src/sumpixel_test.cpp中的#include”backward.hpp”改为#include”code_utils/backward.hpp”；②在src/code_utils-master/include/code_utils/dlt/dlt.h中添加头文件include“vector”。编译imu_utils把code_utils工具包放入ROS工作空间src文件夹下，执行catkin_make命令进行编译5录制imu.bag（先让IMU静止不动两个小时，再进行录制）（1）进入ROS工作空间。（2）执行命令source./devel/setup.bash刷新环境。（3）执行命令rosrunimu_serialserial_port启动imu发布数据节点（4）执行命令rosbagrecord-Odata.bag/imu_an/imu_data录制imu数据bag包6IMU内参标定进入工作空间->src->imu_utils-master->launch文件夹，编写imu.launch文件（文件内容参考学生手册）打开终端运行标定工具再进入工作空间，输入rosbagplay-r200data.bag，目的是回放bag数据。运行命令roslaunchimu_utilsimu.launch进行标定。最终得到.yaml内参标定文档3.3.2激光雷达与IMU的外参标定激光雷达与IMU的外参标定根据实际情况在“”上填上正确答案在外参标定之前，需要保证激光雷达和IMU坐标系的方向保持一致。1发布IMU和激光雷达的topic，获取传感器数据（1）进入imu_catkin_ws文件夹，空白处鼠标右键新建一个终端。进行初始化环境变量并打开串口。（2）输入命令后会出现报错，因为ROS的主节点还没运行。再新建一个终端，输入roscore即可获取imu数据。（3）进入RS_SDK文件夹，空白处鼠标右键新建一个终端。获取激光雷达的数据。2录制激光雷达和imu的.bag数据包3进入lidar_imu_ws文件夹，在空白处鼠标右键打开终端并输入命令，执行命令后，工具自动标定。外参标定结果保存在.txt文件中，保存路径在result文件夹内。此文件可以提取数据写入LIO-SAM的配置参数文件。从上到下，第一个红色框的内容为平行关系矩阵，第二个红色框的内容为旋转关系矩阵。3.3.3基于LIO-SAM算法的SLAM建图基于LIO-SAM算法的SLAM建图根据实际情况在“”上填上正确答案1修改LIO-SAM配置参数：（1）修改订阅话题。