企业官网建设流程全解析

上一篇我已经把速腾Helios-16P的ROS驱动搞定，点云能够稳定地在RVIZ里显示出来。本来以为接下来就是装个包、跑个launch的事，结果真正上手编译Lego-loam时，才发现坑比想象中多。群里不少朋友也是卡在这一步：源码拉下来了，编译报错，或者压根不知道怎么把这个老项目接到Helios-16P上；还有人图省事，直接用CodeBlocks打开源码点“编译运行”，结果自然是各种“无法编译运行”。这篇就把Lego-loam的编译与运行完整过一遍，包括环境版本怎么选、依赖怎么装、CGI坑怎么避、Helios-16P的传感器参数怎么改，以及RVIZ里出现常见异常时怎么排查。适合正在用速腾16线雷达、想跑通LeGO-LOAM或者类似LOAM系算法的朋友。

1. 编译前的环境准备：版本、依赖与雷达数据源

1.1 系统版本和ROS发行版怎么选

Lego-loam是2016-2018年前后比较活跃的项目，官方README里写的还是Ubuntu 16.04 + ROS Kinetic。但实际使用中，我建议优先选择Ubuntu 18.04 + ROS Melodic。这不是怀旧，而是因为整个Lego-loam的依赖链和ROS接口都是那个时代的东西，在Melodic上编译最省心。

如果有朋友非要用Ubuntu 20.04 + ROS Noetic，也不是完全不行，但你要有心理准备：Noetic默认的OpenCV是4.2，而很多Lego-loam分支里硬编码了OpenCV 3的接口；同时Noetic的cv_bridge也是基于OpenCV4编译的，一旦代码里混用了OpenCV3和OpenCV4的头文件，轻则警告，重则链接阶段直接崩。我自己实测在Noetic上要额外改不少地方，对于想快速建图的人来说不值得。

另外还要确认gcc版本。Melodic对应的gcc 7，可以顺利支持Lego-loam默认的C++11/14编译参数。如果你用Noetic的gcc 9，编译老代码时偶尔会遇到一些STL接口差异，需要额外加-D_GLIBCXX_USE_CXX11_ABI=0之类的参数，很烦。

我目前长期在用的验证环境如下：

不建议在Windows或Mac上尝试，Lego-loam的依赖基本都是Linux生态下的，非Linux环境编译成本极高。

1.2 依赖安装清单：不要一股脑全装

安装依赖时，最常见的错误是看到网上教程就让apt install一堆东西，结果装了个OpenCV 4或者Eigen 3.4，反而和代码不兼容。我习惯从项目实际需求反推，Lego-loam编译依赖的核心库只有这几个：

• PCL（点云库），提供PointCloud类型、体素滤波、平面分割等核心功能
• Eigen，矩阵运算
• OpenCV，用于特征/图像相关处理部分
• GTSAM，用于后端图优化
• rosdep自动解析出的ROS包依赖，比如roscpp、tf、cv_bridge、pcl_ros等

在Melodic上，可以用一行命令把大部分依赖解决：sudo apt install ros-melodic-pcl-ros ros-melodic-cv-bridge ros-melodic-tf2-eigen libopencv-dev libeigen3-dev libpcl-dev。

GTSAM建议单独说。虽然Ubuntu软件源里有libgtsam-dev，但版本往往比较新，Lego-loam调用的部分接口和老版本行为不同，编译期就报错。稳妥做法是下载GTSAM 4.0.0-alpha2源码，按官方README编译安装。这个包编译时间比较长，建议后面编译章节单独处理。如果已经有系统GTSAM并且能过编译，也可以先用着，但出问题时优先卸载重装alpha2。

sudo apt update sudo apt install ros-melodic-pcl-ros ros-melodic-cv-bridge ros-melodic-tf2-eigen \ libopencv-dev libeigen3-dev libpcl-dev

1.3 先把Helios-16P的数据送进ROS再谈建图

很多朋友编译RVIZ半天，最后发现雷达驱动压根没起来，话题里没有点云。LeGO-LOAM做的只是订阅点云话题和IMU话题，它自己不会去读雷达硬件，所以编译前最好先把雷达驱动跑通。

速腾Helios-16P的驱动通常叫rslidar_sdk。编译方式跟着官方README一步步走即可，核心就是把点云话题发布出来。不同版本的驱动发布的话题名不一定相同，有的默认是/rslidar_points，有的是/points_raw。启动后先确认一下：

source devel/setup.bash roslaunch rslidar_sdk start.launch # 另开终端 rostopic list | grep rslidar rostopic hz /rslidar_points

正常情况下rostopic hz会稳定输出10Hz或20Hz左右的频率，说明数据流通正常。如果这里频率为0，不用继续往下折腾LeGO-LOAM，先解决驱动问题。

另外，LeGO-LOAM的建图效果对IMU十分依赖。Helios-16P是否带内置IMU取决于具体硬件配置。如果驱动没有发布/imu/data或者类似话题，地图大概率会出现严重漂移。这一点我在后面“参数适配”章节会详细讲，但你要先确认手头设备有没有IMU话题。

2. 源码下载与catkin_make编译的完整流程

2.1 创建工作空间并拉取代码

Lego-loam是一个标准的ROS功能包，源码要放在catkin工作空间的src目录下。这里建议新建一个干净工作空间，不要和雷达驱动混在同一个工作空间里编，否则依赖冲突很难查。

mkdir -p ~/lego_ws/src cd ~/lego_ws/src git clone https://github.com/RoboticsBCN/lego-loam.git

如果git clone速度很慢或者失败，可以直接从GitHub页面下载zip包，解压到~/lego_ws/src下，并把目录名改成lego-loam。注意检查目录里面是否有package.xml和CMakeLists.txt，如果解压多了一层文件夹，要手动把内层文件挪出来。

2.2 编译时为什么卡在GTSAM

网上很多教程让直接catkin_make，如果你是第一次编译，大概率会卡在这行：

-- Found GTSAM: /usr/local/lib/libgtsam.so

如果你的系统里没装GTSAM，cmake会直接报找不到。装了系统GTSAM（比如1.7或4.2版本）时，编译可能通过，但运行时图优化会出现莫名崩溃，或者地图不更新。所以我建议先手动编译GTSAM 4.0.0-alpha2。

wget https://github.com/borglab/gtsam/archive/4.0.0-alpha2.zip unzip gtsam-4.0.0-alpha2.zip cd gtsam-4.0.0-alpha2 mkdir build && cd build cmake .. make -j2 sudo make install

编译GTSAM时不要开-j8，这玩意的内存消耗不小，笔记本8G内存开多线程很容易编译到一半进程被杀。用-j2慢一点，但稳。装完后可以用ldconfig -p | grep gtsam确认so库已经加载。

2.3 编译Lego-loam的正确姿态：不要全核硬刚

GTSAM装好之后，回到工作空间编译：

cd ~/lego_ws catkin_make -j1

先解释为什么我用-j1而不是catkin_make -j4。LeGO-LOAM里有很多模板头文件，尤其是GTSAM相关的优化部分，编译时内存峰值能到7GB以上。如果机器只有8GB物理内存，开-j4会直接把内存吃满，然后OOM killer把编译进程杀掉，屏幕上一堆internal compiler error: Killed。

如果你是16G以上内存机器，可以开-j2或-j4，但第一次建议还是保守一点。还有一种常见做法是增加swap文件，我在这篇里直接给出可复制的命令：

sudo fallocate -l 8G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile

加上swap之后，即使内存只有8G，也基本能扛住一次完整编译。但要注意，swap只是兜底，长期依赖swap会导致编译速度明显下降。

2.4 编译成功后的验证

当终端出现类似Summary: 1 package finished的提示，说明编译完成。接下来要确认环境变量已经指向当前工作空间：

source ~/lego_ws/devel/setup.bash rospack find lego_loam

rospack find lego_loam如果能打印出包路径，说明ROS已经认识这个功能包了。这时候不要急着跑，先看一眼生成的可执行文件：

ls ~/lego_ws/devel/lib/lego_loam/

正常情况下能看到lego_loam这个可执行文件，这是后续launch真正调起的建图主程序。

3. 别用CodeBlocks打开ROS工程硬编译：构建入口要搞对

3.1 “CodeBlocks无法编译运行”的根本原因

Lego-loam编译相关的问题里，有相当一部分人不是卡在源码，而是卡在“用什么工具编译”。最近经常看到有人问：用CodeBlocks打开LeGO-LOAM目录下的CMakeLists.txt，点“编译运行”会不会报错，或者直接显示无法编译运行。

先说结论：用CodeBlocks直接打开ROS功能包并编译，大概率失败。这不是CodeBlocks本身不行，而是ROS功能包的构建不是普通CMake工程。ROS依赖ROS_PACKAGE_PATH、CMAKE_PREFIX_PATH这些环境变量去定位roscpp、cv_bridge、pcl_ros等依赖包。你在终端里先source /opt/ros/melodic/setup.bash，再source ~/lego_ws/devel/setup.bash，这些环境变量才会注入到当前会话。而CodeBlocks从图形界面启动时，通常不会继承你在终端里手动设置的环境变量，所以它打开CMakeLists.txt后，find_package(roscpp)这步就找不到库，后续编译必然失败。

另外，ROS功能包还有catkin_package()宏、package.xml里的依赖声明，这些都需要catkin工具在构建前解析并生成环境钩子。CodeBlocks并不认识catkin的这套逻辑，它只会把CMakeLists.txt当成一个独立CMake工程处理，自然无法正确完成编译运行。

3.2 在IDE里正确使用Lego-loam源码的方式

我平时也会用IDE看代码，但只是把它当代码浏览器，不是构建工具。正确做法是：

• 用VS Code或Qt Creator打开~/lego_ws目录用来阅读和编辑源码；
• 所有编译行为都在终端里执行catkin_make；
• 如果需要调试，就在终端里先source环境，再用gdb或者VS Code的Remote调试功能附加到LeGO-LOAM进程。

如果你实在喜欢IDE的“一键运行”，可以用VS Code配置task调用catkin_make，但不能直接点CodeBlocks的“运行”按钮。还有一个方向是Qt Creator，它支持加载CMake工程，并且可以在界面里设置CMake参数，比如-DCMAKE_BUILD_TYPE=Release。但前提依然是你先通过某种方式给Qt Creator注入ROS环境变量，比如从已经source过的终端里启动Qt Creator。

source /opt/ros/melodic/setup.bash source ~/lego_ws/devel/setup.bash qtcreator

即便如此，LeGO-LOAM这种老项目在IDE里也能出现各种重定向问题，建议新手不要折腾。

3.3 判断ROS环境有没有生效的快速方法

很多时候报错信息说找不到ros/ros.h或者找不到lego_loam，不是代码问题，而是环境变量没生效。在编译前可以快速验证：

echo $ROS_PACKAGE_PATH echo $CMAKE_PREFIX_PATH

如果是空或者没有出现/opt/ros/melodic，说明当前终端没source过ROS。这时候即使你在CodeBlocks里手动配置CMake变量，也很容易漏掉某个路径。反而在终端里老老实实执行source再编译，是最可控的。

4. 针对速腾Helios-16P的传感器与话题参数适配

4.1 理解N_SCAN、Horizon_SCAN与角分辨率的关系

LeGO-LOAM启动时有两组最关键参数直接决定建图是否正常，这就是N_SCAN和Horizon_SCAN。字面上看，N_SCAN是雷达线束数，Horizon_SCAN是水平一圈扫描点数。

Helios-16P是16线雷达，所以N_SCAN=16写死没问题。Horizon_SCAN则需要根据水平角分辨率算：一圈完整360°，若分辨率是0.2°，就是360 / 0.2 = 1800；若是0.1°，就是360 / 0.1 = 3600。速腾Helios-16P常见的配置是0.2°水平分辨率，但有些场景你可能在驱动里改了扫描配置，或者雷达固件本身就是0.1°模式。如果Horizon_SCAN设置和实际点云不一致，LeGO-LOAM会扫描异常，建出的地图一片破碎。

确定雷达实际分辨率的办法，可以从驱动配置里读，也可以录一帧点云，数一个回环里水平角增量。我更推荐前者：直接看rslidar_sdk配置文件中的angle相关参数，一般默认值就是当前固件分辨率。

4.2 修改launch文件还是utility.h

LeGO-LOAM的参数有两种修改位置。一种是源码里的include/utility.h，里面有大量全局变量定义；另一种是launch/run.launch，通过rosparam方式传参。实测下来，launch文件中的参数优先级更高，会覆盖utility.h里的默认值，所以优先改launch。

我改后的核心参数如下，路径在lego_loam/launch/run.launch：

<param name="/use_sim_time" value="false"/> <param name="sensor" value="1" type="int"/> <param name="N_SCAN" value="16" type="int"/> <param name="Horizon_SCAN" value="1800" type="int"/> <param name="groundRemoval" value="true" type="bool"/> <param name="loopClosureEnableFlag" value="true" type="bool"/>

其中sensor=1对应Velodyne VLP-16风格的数据组织方式。Helios-16P虽然是速腾品牌，但点云组织结构同样是16线、单回波、水平旋转扫描，数据模型和VLP-16类似，所以sensor保持1即可。如果你在驱动里配置了多回波或自定义线序，那可能需要看看具体点云解析后再调，但默认情况下不需要改。

4.3 修改点云话题和IMU话题

LeGO-LOAM默认订阅的话题是/velodyne_points和/imu/data，而rslidar_sdk发布的话题一般是/rslidar_points或/points_raw。不改话题名的话，启动后LeGO-LOAM会一直等数据，RVIZ里什么都没有。

打开include/utility.h，找到这两行并改成对应话题：

extern const string pointCloudTopic = "/rslidar_points"; extern const string imuTopic = "/imu/data";

如果驱动发布的IMU话题是/rslidar_imu，就写成/rslidar_imu。注意IMU话题名称不要拼错，LeGO-LOAM内部用MessageFilter同步点云和IMU，一旦话题名不对，会一直打印等待IMU数据，建图进程不会前进。

没有IMU数据时怎么办？这个必须说得直接一点：LeGO-LOAM的漂移补偿和位姿优化都依赖IMU观测来做帧间约束，如果完全没有IMU，地图会在遇到小坡度或长时间直线运动时迅速发散。带IMU的Helios-16P可以直接用；如果设备没有IMU模块，建议先做一个简易IMU模拟节点，用点云配准结果推算角速度，但这属于进阶玩法，编译运行阶段不展开。

4.4 TF坐标系的坑：先解决base_link到camera_init的框架

LeGO-LOAM启动时会发布一系列TF变换，但雷达驱动通常只发布点云话题，不会主动提供base_link这个坐标系。RVIZ中要把固定坐标系设为camera_init，同时在系统里需要存在base_link -> laser之类的静态TF。最省事的做法是在launch里加一个静态变换，比如：

<node pkg="tf" type="static_transform_publisher" name="base_to_laser" args="0 0 0 0 0 0 base_link laser 100" />

如果你的雷达安装位置相对于车体有偏移，就把前三个数改成实际外参。没有这个TF，LeGO-LOAM的TF树不完整，点云显示时经常整个地图乱飞。

5. 实机运行流程与RVIZ建图验证

5.1 完整启动过程分几步

设备上电、IP配置正常之后，按这个顺序启动：

# 终端1：启动雷达驱动 source ~/rslidar_ws/devel/setup.bash roslaunch rslidar_sdk start.launch # 终端2：启动LeGO-LOAM source ~/lego_ws/devel/setup.bash roslaunch lego_loam run.launch # 终端3：启动RVIZ rviz

如果你希望RVIZ里直接看到LeGO-LOAM提供的地图话题，不需要手动加载机器人模型。在RVIZ左侧Display面板，把Fixed Frame设置为camera_init，然后点击Add -> By topic，添加/laser_cloud_map和/laser_cloud_surround两个PointCloud2话题，Size调成0.05左右，颜色选一个顺眼的。

5.2 移动雷达时要慢，它不是实时SLAM的万金油

LeGO-LOAM毕竟是基于帧间匹配的建图算法，雷达移动速度过快、旋转过猛的时候，帧间匹配很容易崩。我第一次实机测试时，拿着雷达在室内快速转圈，地图直接扭成麻花。后来改为沿走廊缓慢推进，转弯时先把角速度降下来，地图质量明显改善。

手持设备时还要注意一个细节：LeGO-LOAM对初始姿态比较敏感，启动时雷达尽量保持水平稳定几秒钟，让它把第一帧作为基准。如果启动瞬间雷达头是歪的，后面地图很可能整体倾斜。可以先静止几秒再开始移动，实测下来比起来就跑稳很多。

5.3 地图输出在哪里看与保存

运行过程中，/laser_cloud_map就是累计地图点云，/laser_cloud_surround是当前帧附近的地图，适合实时观察。如果你想保存现场数据用于离线分析，建议用rosbag把地图和原始点云一起录制：

rosbag record /rslidar_points /imu/data /laser_cloud_map /laser_cloud_surround

录完之后可以用pcl_ros的bag_to_pcd工具把/laser_cloud_map导出成PCD文件，或者直接在后续离线处理里回放bag。不要迷信LeGO-LOAM自带的保存地图方式，很多修改版本里这个功能要么没开放要么路径容易写乱，用rosbag导PCD是最可靠可控的路径。

6. 编译和运行阶段的高频异常与排查记录

6.1 RVIZ里始终没有任何点云

首先确认LeGO-LOAM是否真的接收到了点云。终端里看有没有类似Registered points的打印信息，如果没有，说明订阅的话题名不对。用rostopic echo /laser_cloud_map -n1去验证地图话题是否有输出。如果是空的，返回去检查utility.h和run.launch中的pointCloudTopic。

还有一种情况，LeGO-LOAM内部时间同步不通过。雷达点云时间戳是雷达驱动给的，如果驱动里启用了sim time或者时间戳跳变，MessageFilter会一直等待，界面卡在初始化。用rostopic hz /rslidar_points看频率是不是稳定，再看rostopic echo /rslidar_points/header里的时间戳是否单调递增。

6.2 地图重影、拖影、点云错位

这通常是IMU话题没有正确同步。常见表现是后半段地图出现重影，或者墙面变成两三层错开的片。排查方向不是急着调算法参数，而是先看IMU数据的频率和坐标系。LeGO-LOAM默认假设IMU的Z轴与重力方向对齐，如果设备安装角度不对，重力分量会投影到X/Y上，导致姿态估计错误。

在不装配IMU的情况下，地图拖影几乎是必然的。我曾经试过关掉IMU同步，纯靠点云配准，短时间还不错，但走动超过几十米后漂移便无法控制。所以如果条件允许，一定要把IMU接上，而不是省掉。

6.3 编译时虽然通过了，但运行时一直提示找不到.so

这属于典型的动态库路径问题。LeGO-LOAM链接了自定义安装的GTSAM库，如果你把GTSAM装到了/usr/local/lib，但它不在系统库搜索路径里，运行时就会报类似error while loading shared libraries: libgtsam.so.4。

解决办法是更新动态库缓存：

sudo ldconfig

如果还不行，就用export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH，再重新启动launch。

6.4 运行一段时间后LeGO-LOAM节点自动崩溃

我遇到过多次，主要原因是内存持续增长，最终被系统杀掉。LeGO-LOAM的全局地图会持续累积点云，如果不做降采样或限制地图范围，长时间运行后内存会越来越大。在utility.h里可以调节降采样相关参数，也可以定期清空地图或者重启节点。

还有一个容易被忽略的原因：点云话题里偶发NaN点。速腾驱动在极端环境下可能输出无效点，LeGO-LOAM遇到NaN点后优化模块会计算出非有限数值，直接触发段错误。解决办法是在驱动侧或话题上游过滤掉NaN点，用pcl_ros的PassThrough或自定义filter节点都可以。

6.5 switch和swap的旧事重申

这部分原本放在编译章节，但运行阶段也可能遇到。长时间跑图时用free -h监控内存，如果swap使用率一直很高，说明机器物理内存吃紧。建议笔记本用户外接电源，并把其他大内存程序全关掉。LeGO-LOAM不是那种“内存占用恒定”的程序，地图规模越大，内存越高，这一点要有预期。

# 监控内存和CPU htop # 监控话题速率 rostopic hz /laser_cloud_map

7. 编译运行之后还能怎么折腾

Lego-loam跑通只是第一步。接下来很多人会问：地图出来之后，能不能直接用于导航？答案是不能直接当成二维栅格地图用，LeGO-LOAM生成的是三维点云地图，导航用的costmap需要先做地面分割和投影，或者改用Lego-loam输出的二维可通行区域版本，那又是另一个话题。

另外一个方向是把输出的点云地图做后端优化，比如加入回环检测，或者把建图结果保存成PCD后，再用其他全局优化工具做一次细化。我在实际项目里，通常会把LeGO-LOAM当实时前端，把地图记录下来，离线用ICP或NDT再配一次，得到的地图干净很多，尤其是室内走廊这种几何特征单调的环境。

最后分享一个我在编译过程中记住的教训：不要让工具链绑架你。老项目依赖麻烦，就固定在一个稳定环境里吃熟，不要为了追新系统而把时间耗在改源码兼容性上。Ubuntu 18.04 + Melodic + GTSAM 4.0.0-alpha2这套组合，我到现在还在用，不是因为旧，而是因为稳定可复现。