一、将硬件连通，确定数据通讯成功

二、下载好传感器的驱动并编译完成

mkdir -p ~/lslidar_ws/src
cd ~/lslidar_ws/src
git clone https://github.com/tongsky723/lslidar_C16.git
cd ~/lslidar_ws
catkin_make
source devel/setup.bash
roslaunch lslidar_c16_decoder  lslidar_c16.launch

三、开始查看雷达参数

3.1 rviz效果图

3.2 查看启动了哪些话题和节点

3.2.1 列出正在运行的话题，终端输入：

rostopic list -v 

3.2.2 列出正在运行的节点，终端输入：

rosnode list

3.2.3 查看某一节点的具体参数和通讯话题，终端输入命令：

rosnode info 节点名

3.3 查看雷达的扫描频率

通过rviz可以看到，点云的话题名为 /lslidar_point_cloud，因此终端输入命令：

rostopic hz /lslidar_point_cloud

注：红框内为消息接发收时间参数，频率大概在10hz左右，与厂家说明书参数基本一致。

3.4 查看点云的具体参数

查看雷达扫描过程中，某一行的点云的坐标系名称、点云数等参数。

rostopic echo --noarr  /lslidar_point_cloud    #一定要加--noarr，排除话题数据中的数组信息，否则会出现乱码

注：红框内的数据为一组完整数据，雷达的坐标系frame_id名称为laser_link;每一行激光的总点云数大概为30000。

常见三维点云的具体格式如下，header类类型包括stamp时间戳，frame_id 坐标系名称（该参数是一个字符串类型，可以选择的地图类型），seq是一个记录消息序号的整型变量：

//头文件
header: seq: 18664stamp: secs: 1551087603nsecs: 700827000frame_id: "velodyne"
//height可视为点云数据的行数；
//如果为1，则表示无序；
//否则为有组织点云数据集的高度/行数
height: 1
//width为一行的总点数
//对于无序数据集而言，width即为点云总数
width: 22998
//看到fields，可以先跳过看完point_step和row_step之后再回来
//field格式包括name,offset,datatype,count，具体定义见sensor_msgs/PointField.msg
//该点云所包括的信息有点云的xyz信息（即点云在激光雷达坐标系的位姿）以及强度信息
//offset此处的含义不是很明白，我的理解是对于name“x”而言，它的信息包含在第0字节-第3字节中；name“y”而言，包含在第4字节-第7字节；依次类推。欢迎有大佬帮我在此处解疑下
fields: - name: "x"offset: 0datatype: 7count: 1- name: "y"offset: 4datatype: 7count: 1- name: "z"offset: 8datatype: 7count: 1- name: "intensity"offset: 16datatype: 7count: 1- name: "ring"offset: 20datatype: 4count: 1
//数据存储方式，包括大端与小端，具体解释见后文参考链接
is_bigendian: False
//存储一个点云所需的字节长度，单位为byte
point_step: 32
//存储一行点云所需的字节长度，单位为byte
//row_step = point_step * width
row_step: 735936
//点云数据信息，该数组解析方式由field进行定义
//data数组的大小为row_step * height
data: [51, 81, 165, 64, 127, 62, 141, 192, 255, ......]

3.5 将点云的数据信息进行录包

rosbag record  -a  -O  lslidar_bagfiles
#  -a表示所有发布的话题都应该积累在一个bag文件中；-o表示所有数据记录名为subset.bag的文件中。

rosbag  info  lslidar_bagfiles_2022-08-08-09-26-25.bag

rosbag play  lslidar_bagfiles_2022-08-08-09-26-25.bag

四、查看建图效果

4.1 下载和编译A-LOAM

cd catkin_ws/src
git clone https://github.com/HKUST-Aerial-Robotics/A-LOAM.git
cd ..
catkin_make
source ~/catkin_ws/devel/setup.bash

4.2 安装A-LOAM所需的依赖ceres-solver-1.14.0

下载链接：http://ceres-solver.org/installation.html

# CMake
sudo apt-get install cmake
# google-glog + gflags
sudo apt-get install libgoogle-glog-dev libgflags-dev
# Use ATLAS for BLAS & LAPACK
sudo apt-get install libatlas-base-dev
# Eigen3
sudo apt-get install libeigen3-dev
# SuiteSparse (optional)
sudo apt-get install libsuitesparse-dev

tar zxf ceres-solver-1.14.0.tar.gz
mkdir build
cd build
cmake ../ceres-solver-1.14.0
make -j4
make test
# Optionally install Ceres, it can also be exported using CMake which
# allows Ceres to be used without requiring installation, see the documentation
# for the EXPORT_BUILD_DIR option for more information.
sudo make install

4.3 修改A-LOAM的配置文件

~/catkin_ws/src/A-LOAM/src

打开scanRegistration.cpp文件：
将ros::Subscriber subLaserCloud = nh.subscribe<sensor_msgs::PointCloud2>(“/velodyne_point_cloud”, 100, laserCloudHandler);
改为：
ros::Subscriber subLaserCloud = nh.subscribe<sensor_msgs::PointCloud2>(“/lslidar_point_cloud”, 100, laserCloudHandler);

注：这样和录制的bag包的话题才可以对应上。

4.3 查看建图效果

先运行A-LOAM算法：

cd ~/catkin_ws
catkin_make
roslaunch aloam_velodyne aloam_velodyne_VLP_16.launch 

注意功能包的名称，在cmake.list中寻找：

然后在打开bag包：

cd ~/ws/lidar_bag
rosbag play lslidar_bagfiles_2022-08-08-09-26-25.bag

五、适配Autoware1.14

由于Autoware默认使用velodyne激光雷达，参考系使用velodyne；点云话题为points_raw。因此，如果要在autoware1.14上使用lslidar，需将雷达的格式转化为velodyne的格式。即，需要将/lslidar/src/lslidar_C16/lslidar_c16_decoder/launch/lslidar_c16.launch文件中的frame id由laser_link修改为velodyne，将原话题lslidar_point_cloud转化为points_raw，添加一行：

<remap from="lslidar_point_cloud" to="/points_raw" />

由：

改为：

参考资料：
（1）[ROS常用组件] — rqt工具箱
（2）详细的Rostopic命令系列（包括消息发布等实例操作）