SLAM学习所需ubuntu20.04、ros和相关库在B站寻找教程ros安装教程【安装】Ubuntu20.04下安装ROS的完整过程内含已装好ROS的虚拟机、虚拟机创建过程、ROS安装过程及全过程录屏_ros虚拟机现成的-CSDN博客建议学习c、Cmake、linux操作指令、ros指令所需软件rviz、gazebo可能代码重现所需数据集FAST-LIVO2-Dataset - Google 云端硬盘只需要随便下载一个包就可以其他包是消融实验对比注FAST-LIVO2 只支持ros的noetic版本必须使用ubuntu20.04或之前的版本后续Ubuntu版本使用pip命令无法下载ros。fastlivo2官网hku-mars/FAST-LIVO2: FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual OdometryFAST-LIVO2 没有一个算法大文件它由src/下 4 个核心 cpp 组成主算法框架和 ESKF 主循环在src/LIVMapper.cpp视觉部分是src/vio.cpp激光部分是src/voxel_map.cppIMU 部分是src/IMU_Processing.cpp。main.cpp└─ LIVMapper::run() // 5000Hz 主循环├─ sync_packages() // 按图像曝光时刻切分 LiDAR/IMU决定走 LIO 还是 VIO├─ processImu() → ImuProcess::Process2() → UndistortPcl() // IMU 传播 去畸变└─ stateEstimationAndMapping()├─ handleLIO() → VoxelMapManager::StateEstimation() // 点到面 ESKFLiDAR└─ handleVIO() → VIOManager::processFrame() // 光度误差 ESKF视觉fast-livo2文件在ubuntu中的文件树如下D:\Ubuntu\share\fast-livo2\│├── data\ 1 个文件 · 792.8 MB│ └── 2017-06-08-15-49-45_0.bag 792.8 MB ← Jackal 的 VelodyneIMU无相机│├── FAST-LIVO2-main\ 75 个文件 · 27.7 MB│ ├── config\ 8 个文件│ │ ├── avia.yaml 主配置Livox Avia 相机│ │ ├── camera_pinhole.yaml 针孔相机内参│ │ ├── camera_fisheye_HILTI22.yaml│ │ ├── camera_MARS_LVIG.yaml│ │ ├── camera_NTU_VIRAL.yaml│ │ ├── HILTI22.yaml│ │ ├── MARS_LVIG.yaml│ │ └── NTU_VIRAL.yaml│ ├── launch\ 4 个文件│ │ ├── mapping_avia.launch ← 你要跑的这个│ │ ├── mapping_avia_marslvig.launch│ │ ├── mapping_hesaixt32_hilti22.launch│ │ └── mapping_ouster_ntu.launch│ ├── src\ 8 个文件│ │ ├── main.cpp│ │ ├── LIVMapper.cpp 主框架1371 行│ │ ├── voxel_map.cpp LiDAR ESKF 更新│ │ ├── vio.cpp 视觉 ESKF 更新│ │ ├── IMU_Processing.cpp IMU 传播│ │ ├── preprocess.cpp 点云预处理│ │ ├── frame.cpp│ │ └── visual_point.cpp│ ├── include\ 14 个文件│ │ ├── common_lib.h 状态量定义、LID_TYPE 枚举│ │ ├── LIVMapper.h│ │ ├── voxel_map.h│ │ ├── vio.h│ │ ├── IMU_Processing.h│ │ ├── preprocess.h│ │ ├── frame.h│ │ ├── feature.h│ │ ├── visual_point.h│ │ └── livox_ros_driver\ 5 个文件CustomMsg.h 等│ ├── rviz_cfg\ 4 个文件│ │ ├── fast_livo2.rviz│ │ ├── hilti.rviz│ │ ├── ntu_viral.rviz│ │ └── M300.rviz│ ├── Log\ 28 个文件 · 7.0 MB│ │ ├── guide.md│ │ ├── plot.py│ │ └── result\ntu_viral\ 9 条序列的 gt/prism 轨迹 txt不是数据│ ├── pics\ 1 个文件│ │ └── Framework.png 1.6 MB│ ├── Supplementary\ 1 个文件│ │ └── LIVO2_supplementary.pdf 18.7 MB ← 整个目录最大的文件│ ├── scripts\ 2 个文件│ ├── CMakeLists.txt│ ├── package.xml│ ├── README.md│ ├── LICENSE│ └── .gitignore│└──Global-LVBA-master\18 个文件 · 2.9 MB PS:自己下载的数据集├── config\ 1 个文件config.yaml├── include\ 5 个文件│ └── BALM\ bavoxel.hpp, tools.hpp├── launch\ 1 个文件lvba.launch├── pics\ 1 个文件lvba_cover.jpg2.8 MB├── rviz_cfg\ 1 个文件├── src\ 3 个文件│ ├── main.cpp│ ├── lvba_system.cpp│ └── dataset_io.cpp├── CMakeLists.txt├── package.xml├── README.md├── LICENSE├── .gitmodules SiftGPU 子模块└── .gitignore把数据集和算法源码备好后就可以问ai如何开始重现代码详情见我上传资源里的deepseek的fastlivo2重现对话日志每个人可能遇到的情况不一致详细问题ai解决最后开3个端口PS第三个终端的检查输出是因为我的虚拟机运存太小了rviz启动后会闪退第三个端口可以在无rviz的情况下输出获得的数据如果虚拟机运存足够则不用开第三个。严格按顺序每个命令运行后出现稳定输出再开下一个命令1启动算法和rviz因我运存太小故使用cpu进行渲染特别卡顿是正常的cd ~ source /opt/ros/noetic/setup.bash source ~/fast-livo2Try/devel/setup.bash LIBGL_ALWAYS_SOFTWARE1 roslaunch fast_livo mapping_avia.launch2提供传感器数据cd ~ source /opt/ros/noetic/setup.bash source ~/fast-livo2Try/devel/setup.bash rosbag play ~/slamData/fast-livo2/Retail_Street.bag3检查输出source /opt/ros/noetic/setup.bash rostopic hz /cloud_registered命令运行完后rviz会按顺序对包内的png进行建模可以在窗口内看见成功建的模很卡考虑要不要使用云服务器做rviz重现数据集已经成功接下来是尝试进行APE定量评测、参数消融然后尝试用已有的设备搞数据集数据集内的内容需要LiDAR、IMU、相机图像其中相机图像的分辨率必须和算法中一致。