lio 跑kitti数据集

### 使用LIO-SAM处理或跑Kitti数据集

对于想要利用LIO-SAM来处理或运行Kitti数据集的情况，主要涉及几个方面的工作准备和配置。以下是详细的说明：

#### 数据预处理
在开始之前，确保已经下载并解压了所需的Kitti原始数据[^3]。这些数据通常包含了图像、激光雷达点云以及惯性测量单元(IMU)的数据。

- **设置环境变量**：根据个人计算机上的存储位置调整`DATA_PATH`等路径指向实际存放的Kitti数据文件夹。

export DATA_PATH='/path/to/your/kitti/RawData/date/drive/image_03/data/'
export DATA_PATH_TWO='/path/to/your/kitti/RawData/date/drive/velodyne_points/data/'
export DATA_PATH_IMU='/path/to/your/kitti/RawData/date/drive/oxts/data/'

#### 安装依赖项与工具包
安装必要的ROS（Robot Operating System）节点和其他软件库以便能够读取和转换来自KITTI的数据流。这可能涉及到安装如PCL(Point Cloud Library)，Eigen以及其他支持LiDAR和IMU融合算法开发所需组件。

#### 配置LIO-SAM参数
针对特定序列优化LIO-SAM的表现，比如选择合适的初始化方式、传感器校准参数等。特别是当使用不同日期采集的不同驱动器时，应当仔细核对官方文档中的建议设置[^4]。

#### 转换Ground Truth至TUM格式
由于KITTI提供的真值是以其特有的格式给出，因此需要将其转化为适合比较的形式——即带有时间戳的TUM格式。此过程可以通过脚本自动化完成，提取出对应于所选子集中每一帧的时间信息，并据此构建新的地面实况文件用于后续评估。

import pandas as pd

def convert_kitti_to_tum(kitti_file, times_file, output_file):
    kitti_data = pd.read_csv(kitti_file, sep=' ', header=None)
    timestamps = pd.read_csv(times_file, names=['timestamp'])
    
    with open(output_file, 'w') as f:
        for i in range(len(timestamps)):
            timestamp = float(str(int(float(timestamps.iloc[i]['timestamp']) * 1e9)))
            pose_line = " ".join([str(x) for x in kitti_data.iloc[i].values])
            line = "{} {}\n".format(timestamp, pose_line)
            f.write(line)

convert_kitti_to_tum('08.txt', 'times.txt', 'output.tum')

#### 执行SLAM流程并与真实轨迹对比分析
启动LIO-SAM ROS节点后，在RVIZ中加载相应的显示插件观察实时建图效果。同时记录下估计出来的位姿变化情况，最后借助第三方开源项目EVO来进行定量误差统计，从而验证系统的性能优劣程度。