Ubuntu20.04下使用KITTI-07数据集运行LIO-SAM，并使用evo进行评测
1、准备kitti数据集
1.1 下载kitti数据集
笔者刚开始进行测试时选择了kitti04序列，但是建图乱飞，并且终端一直提示：Large velocuty，reset IMU-preintegration！
这个问题始终无法解决，于是笔者选择了07序列进行测试，需要下载对应的_extract.zip和_sync.zip以及标定文件_calib.zip（网盘链接，提取码：tsdp）
1.2 kitti转rosbag
将下载好的文件按照如下方式进行放置：
将lio-sam作者提供的kitti2bag.py（/config/doc/kitti2bag）文件放在KITTI文件夹下，并在该目录下执行如下指令，会自动生成bag文件：
python3 kitti2bag.py -t 2011_09_30 -r 0027 raw_synced 
2、下载源码
这里直接用了这篇文章《使用KITTI跑LIOSAM并完成EVO评价》作者提供的代码文件
3、修改CMakeLists.txt
上面的代码基本完备，但还有几个地方需要修改：
- 由于PCL版本1.10，将C++标准改为14：
#set(CMAKE_CXX_FLAGS "-std=c++11") set(CMAKE_CXX_FLAGS "-std=c++14")- 找到OpenCV4.2.0包：
#find_package(OpenCV REQUIRED QUIET) set(CMAKE_PREFIX_PATH "/usr/include/opencv4") find_package(OpenCV 4.0 QUIET)- /usr/bin/ld问题，修改：
# find_package(Boost REQUIRED COMPONENTS timer) find_package(Boost REQUIRED COMPONENTS timer thread serialization chrono)4、编译并运行
4.1 编译LIO-SAM
进入工作空间的src目录下：
catkin_make -j1 4.2 运行kitti数据集
首先在工作空间下执行如下指令：
roslaunch lio_sam run.launch 在bag文件夹所在目录下运行：
rosbag play kitti_2011_09_30_drive_0027_synced.bag 成功运行画面：
5、用evo进行评价
上述代码文件已经提供了保存轨迹的函数，算法在运行结束时会自动在自己修改的目录下生成轨迹的txt文件，这里我将其命名为lio_traj.txt，将其和真值轨迹文件放在同一个文件夹下，执行如下指令：
evo_traj tum --ref=gt07_tum.txt lio_traj.txt -p --plot_mode=xz -as 运行结果：
6、参考链接
1、使用KITTI跑LIOSAM并完成EVO评价
2、Ubuntu20.04下运行LOAM系列：A-LOAM、LeGO-LOAM、SC-LeGO-LOAM、LIO-SAM 和 LVI-SAM
3、在Ubuntu20.04系统上LIO-SAM跑KITTI数据集和自己数据集代码修改
