LIO-SAM 完整安装教程（Ubuntu 20.04 + ROS Noetic + GTSAM 4.0）

前言

LIO-SAM (LiDAR-Inertial Odometry via Smoothing And Mapping) 是 Tixiao Shan 等人于 2020 年提出的紧耦合激光-惯性- GPS里程计与建图系统。它在 LeGO-LOAM 的基础上加入了 IMU 预积分因子、GPS 因子和回环检测因子，使用 GTSAM 的 iSAM2 增量优化器进行联合优化，实现了全局一致的高精度3D地图构建。

GitHub: https://github.com/TixiaoShan/LIO-SAM
论文:LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping, Shan et al., IROS 2020

1. 系统环境要求

2. 依赖库全景图

LIO-SAM ├── ROS Noetic（通信 + 可视化） │ ├── roscpp, sensor_msgs, nav_msgs │ ├── pcl_ros / pcl_conversions │ ├── tf / tf2 / tf2_ros │ ├── robot_localization（可选：GPS融合） │ └── rviz ├── GTSAM 4.0+ —— 因子图优化引擎（核心！） │ ├── iSAM2 增量优化器 │ ├── IMU 预积分因子 │ └── 各种因子类型 ├── PCL 1.10+ —— 点云处理 ├── Eigen3 —— 线性代数 ├── OpenCV 4.x —— 仅用于可视化 └── Ceres Solver —— 间接依赖（GTSAM可能用到）

⚠️最重要的坑：GTSAM 版本必须是4.0 或更高。Ubuntu 20.04 apt 源的 GTSAM 版本可能太旧，推荐从源码编译 GTSAM 4.0.2 或 4.1.0。

3. 第一步：安装 ROS Noetic

# 添加 ROS 源sudosh-c'echo "deb http://packages.ros.org/ros/ubuntu focal main" > /etc/apt/sources.list.d/ros-latest.list'sudoaptinstallcurlcurl-shttps://raw.githubusercontent.com/ros/rosdistro/master/ros.asc|sudoapt-keyadd-# 安装sudoaptupdatesudoaptinstall-yros-noetic-desktop-full# 初始化sudorosdep init rosdep update# 环境变量echo"source /opt/ros/noetic/setup.bash">>~/.bashrcsource~/.bashrc

4. 第二步：安装基础依赖

# PCL 点云库sudoaptinstall-ylibpcl-dev pcl-tools# ROS PCL 桥接包sudoaptinstall-yros-noetic-pcl-ros ros-noetic-pcl-conversions\ros-noetic-pcl-msgs# Eigen3sudoaptinstall-ylibeigen3-dev# OpenCVsudoaptinstall-ylibopencv-dev# robot_localization（GPS 融合需要）sudoaptinstall-yros-noetic-robot-localization\ros-noetic-geographic-msgs# 可视化sudoaptinstall-yros-noetic-rviz ros-noetic-rqt# 基础工具sudoaptinstall-ybuild-essential cmakegitlibboost-all-dev

5. 第三步：编译安装 GTSAM 4.0.2

这是最容易出错的步骤。GTSAM 是 LIO-SAM 的核心优化引擎。

# 下载 GTSAM 4.0.2gitclone https://github.com/borglab/gtsam.gitcdgtsamgitcheckout4.0.2# 安装编译依赖sudoaptinstall-ylibboost-all-dev libtbb-dev# 编译（关键：必须加以下 CMake 参数！）mkdirbuild&&cdbuild cmake..\-DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF\-DGTSAM_USE_SYSTEM_EIGEN=ON\-DGTSAM_BUILD_EXAMPLES_ALWAYS=OFF\-DGTSAM_BUILD_TESTS=OFF\-DCMAKE_BUILD_TYPE=Releasemake-j$(nproc)sudomakeinstall# 更新库路径sudoldconfig# 验证安装ls/usr/local/lib/libgtsam.sols/usr/local/include/gtsam/

GTSAM 编译参数说明

GTSAM 版本不匹配的典型报错

error: 'class gtsam::PreintegratedImuMeasurements' has no member named '...' error: no matching function for call to 'gtsam::ISAM2::update(...)'

如果遇到这些错误，说明 GTSAM 版本不对。卸载重装：

sudomakeuninstall# 在 GTSAM build 目录下sudorm-rf/usr/local/include/gtsamsudorm-f/usr/local/lib/libgtsam*

6. 第四步：创建工作空间并编译 LIO-SAM

# 创建工作空间mkdir-p~/catkin_ws/srccd~/catkin_ws/src# 克隆 LIO-SAMgitclone https://github.com/TixiaoShan/LIO-SAM.git# 安装 ROS 依赖cd~/catkin_ws rosdepinstall--from-paths src --ignore-src-r-y# 编译catkin_make -j$(nproc)# 设置环境变量echo"source ~/catkin_ws/devel/setup.bash">>~/.bashrcsource~/.bashrc

7. 第五步：下载测试数据集

官方示例（Walking Dataset）

# LIO-SAM 作者提供的示例数据wgethttps://drive.google.com/uc?id=1A8HNL3BHYo8oQrDzFXrkYxHx46GSJStR\-Ocasual_walk.bag

KITTI 数据集

LIO-SAM 也支持 KITTI 数据集（需自行转换为 ROS bag 格式）。

自定义数据集要求

自己的 bag 文件需要包含以下话题：

• /velodyne_points或/ouster/points：LiDAR 点云
• /imu/data：IMU 数据（加速度计 + 陀螺仪）
• /gps/fix（可选）：GPS 数据（sensor_msgs/NavSatFix）

8. 第六步：运行测试

# 终端1：启动 LIO-SAMroslaunch lio_sam run.launch# 终端2：播放数据包rosbag play YOUR_BAG.bag--clock-r1

运行成功后，RViz 中会显示：

• 白色点云：当前帧的角点
• 彩色点云：全局地图
• 红色线条：里程计轨迹（lio_sam/path）
• 坐标轴：当前位姿
• 绿色线条：GPS 轨迹（如果有GPS数据）

9. 配置文件参数说明

# config/params.yaml 核心参数# ─── 传感器配置 ───lio_sam/imu_topic:"/imu/data"# IMU 话题lio_sam/lidar_topic:"/velodyne_points"# LiDAR 话题# ─── LiDAR 参数 ───lio_sam/N_SCAN:16# 扫描线数（VLP-16=16, HDL-64=64, Ouster OS1=128）lio_sam/Horizon_SCAN:1800# 每条线的水平点数lio_sam/edgeThreshold:1.0# 角点曲率阈值lio_sam/surfThreshold:0.1# 面点曲率阈值lio_sam/lidarMinRange:1.0# 最小有效距离(m)lio_sam/lidarMaxRange:100.0# 最大有效距离(m)# ─── IMU 参数 ───lio_sam/imuAccNoise:3.993957088e-03# 加速度计噪声密度lio_sam/imuGyrNoise:1.563634394e-03# 陀螺仪噪声密度lio_sam/imuAccBiasN:6.435665935e-05# 加速度计随机游走lio_sam/imuGyrBiasN:3.564031869e-05# 陀螺仪随机游走lio_sam/imuGravity:9.80511# 重力加速度(m/s²)# ─── 外参 ───lio_sam/extrinsicRot:[-1,0,0,0,1,0,0,0,-1]# LiDAR→IMU 旋转lio_sam/extrinsicRPY:[0,1,0,1,0,0,0,0,1]# LiDAR→IMU RPY# ─── 回环检测 ───lio_sam/loopClosureEnableFlag:true# 启用回环检测lio_sam/loopClosureFrequency:1.0# 回环检测频率(Hz)lio_sam/historyKeyframeSearchRadius:15.0# 回环搜索半径(m)lio_sam/historyKeyframeSearchNum:25# 回环搜索关键帧数# ─── GPS ───lio_sam/gpsUseFlag:false# 是否使用GPS

10. 常见问题排查

问题1：GTSAM 编译失败

error: 'tbb/tbb.h' file not found

解决：

sudoaptinstall-ylibtbb-dev

问题2：LIO-SAM 找不到 GTSAM

Could not find a package configuration file provided by "GTSAM"

解决：

# 确保 GTSAM 安装正确ls/usr/local/lib/cmake/GTSAM/# 如果目录不存在或内容为空，重新编译安装 GTSAM# 如果存在但 CMake 仍找不到exportGTSAM_DIR=/usr/local/lib/cmake/GTSAM

问题3：运行时崩溃 “bad_alloc”

terminate called after throwing an instance of 'std::bad_alloc'

解决：

• 减小historyKeyframeSearchNum（从 25 降到 10）
• 增加surroundingKeyframeSearchRadius（减少局部地图大小）
• 确保系统有 8GB+ 内存

问题4：IMU 话题无数据

• 检查params.yaml中imu_topic是否正确
• 使用rostopic list查看所有话题
• IMU 话题中的frame_id需要与 launch 文件中的一致

问题5：回环检测不触发

• 确保运动中有实际的重访场景
• 检查loopClosureEnableFlag: true
• 减小historyKeyframeSearchRadius以放宽搜索范围

11. LIO-SAM 与 A-LOAM / Fast-LIO 安装对比

总结

整个流程约50分钟至2小时。核心坑点只有一个——GTSAM 版本和编译参数。掌握 CMake 参数-DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF -DGTSAM_USE_SYSTEM_EIGEN=ON，安装基本不会出问题。