LeGO-LOAM的修改：

提示：这主要需要修改utility.h以及imageProjection.cpp：

原作者提醒需要修改的地方：
1、使代码适应新传感器的关键是确保点云可以正确投影到距离图像并且可以正确检测到地面。例如，VLP-16 在两个方向上的角分辨率分别为 0.2° 和 2°。它有 16 根光束。底部光束的角度为-15°。因此，“utility.h”中的参数如下所示。实施新传感器时，请确保 ground_cloud 有足够的匹配点。在发布任何问题之前，请阅读此内容。

extern const int N_SCAN = 16;
extern const int Horizon_SCAN = 1800;
extern const float ang_res_x = 0.2;
extern const float ang_res_y = 2.0;
extern const float ang_bottom = 15.0;
extern const int groundScanInd = 7;

2、Velodyne HDL-32e 范围图像投影的另一个示例：

extern const int N_SCAN = 32;
extern const int Horizon_SCAN = 1800;
extern const float ang_res_x = 360.0/Horizon_SCAN;
extern const float ang_res_y = 41.333/float(N_Scan-1);
extern const float ang_bottom = 30.666666;
extern const int groundScanInd = 20;

[注]：添加了一个新的useCloudRing标志以帮助进行点云投影（即 VLP-32C、VLS-128）。Velodyne 点云具有“环形”通道，可直接给出范围图像中的点行 ID。其他激光雷达可能具有相同类型的通道，即 Ouster 中的“r”。如果您使用的是非 Velodyne 激光雷达，但它具有类似的“环形”通道，您可以更改 utility.h 中的 PointXYZIR 定义以及 imageProjection.cpp 中的相应代码。

对于KITTI用户，如果您想将我们的算法与 HDL-64e一起使用，您需要为此类投影编写自己的实现。如果点云投影不正确，您将失去很多点和性能。

如果您将激光雷达与 IMU 一起使用，请确保您的 IMU 与激光雷达正确对齐。该算法使用 IMU 数据来校正由传感器运动引起的点云失真。如果 IMU 没有正确对齐，IMU 数据的使用会恶化结果。包装中不支持 Ouster 激光雷达 IMU，因为 LeGO-LOAM 需要 9-DOF IMU。

修改utility.h

激光话题名：

我数据集的话题名为：
点云（pointCloudTopic）：/lslidar_point_cloud
IMU（imuTopic）： /imu_data

激光雷达参数：

extern const int N_SCAN = 16;
extern const int Horizon_SCAN = 1800;
extern const float ang_res_x = 0.2;
extern const float ang_res_y = 2.0;
extern const float ang_bottom = 15.0 + 0.1;
extern const int groundScanInd = 7;

参数一定要设置对，不然性能差别很大。确定自己的雷达设置的多少Hz，一般是默认10Hz。

useCloudRing修改：

镭神好像是没有Velodyne雷达的ring channel功能，所以useCloudRing设置为false了。

extern const bool useCloudRing = false; // if true, ang_res_y and ang_bottom are not used

修改imageproject.cpp：

找到copyPointCloud函数

    void copyPointCloud(const sensor_msgs::PointCloud2ConstPtr& laserCloudMsg){

        cloudHeader = laserCloudMsg->header;
        cloudHeader.stamp = ros::Time::now(); // Ouster lidar users may need to uncomment this line
        pcl::fromROSMsg(*laserCloudMsg, *laserCloudIn);
        // Remove Nan points
        std::vector<int> indices;
        pcl::removeNaNFromPointCloud(*laserCloudIn, *laserCloudIn, indices);
        // have "ring" channel in the cloud
        if (useCloudRing == true){
            pcl::fromROSMsg(*laserCloudMsg, *laserCloudInRing);
            if (laserCloudInRing->is_dense == false) {
                ROS_ERROR("Point cloud is not in dense format, please remove NaN points first!");
                ros::shutdown();
            }  
        }
    }

这里是把cloudHeader.stamp = ros::Time::now();的注释去掉了。

实验（基于录制好的bag文件）：

提示：这里是基于录制好的bag文件，也可以在线测试，可参考大佬的。（在下面链接）

编译

catkin_make

运行 lego-loam

source devel/setup.bash
roslaunch lego-loam run.launch

播放 指定的rosbag

rosbag play *.bag --clock --topic /lslidar_point_cloud

效果

参考博客：
搭建实验室3d slam 移动小车 4.1jackal小车+镭神32线激光雷达lego-loam建图
LeGO-LOAM初探：原理，安装和测试
lego loam 跑镭神32线激光雷达