RS-16激光雷达与SC-A-LOAM建图实战：从环境配置到参数调优

最近在给一台差速底盘小车做自主导航的底层建图，手头正好有一台速腾16线激光雷达（RS-16），系统是Ubuntu 18.04，ROS melodic。之前试过用LOAM系列的算法，但建图效果一直不太理想，后来换了SC-A-LOAM，在RS-16上的表现让我有点惊喜。这篇文章就记录一下我完整跑通SC-A-LOAM的过程，包括环境搭建、驱动配置、算法编译、参数调整、问题排查等等，全是实操层面的干货，希望能帮到正好在折腾这套组合的朋友。

先说结论：RS-16 + Ubuntu 18.04 + SC-A-LOAM这套组合是完全可行的，而且建图效果要比我预期的好不少。SC-A-LOAM在室外空旷环境下的表现尤其不错，回环检测的精度也够用，整条链路跑顺之后，输出的点云地图能直接给后续的导航定位模块用。

1. 为什么选SC-A-LOAM而不是其他LOAM变体

1.1 LOAM、ALOAM、SC-A-LOAM的区别

我最早尝试的是ALOAM，它在KITTI数据集上的效果很好，代码结构也清晰，但有个明显的问题：它没有回环检测模块。纯前端里程计会随着运行时间累积漂移，尤其是长时间建图或在大场景里跑的时候，地图会慢慢变形。

后来我又看了原版LOAM，它的代码比较老，维护性差，而且在多线雷达上的适配不如ALOAM顺手。直到接触SC-A-LOAM，它最大的改进就是加了Scan Context全局回环检测。简单说，Scan Context是一种用点云帧生成“图像签名”的方法，系统在运行时会定期用当前帧和历史帧做全局匹配，一旦发现闭环，就通过图优化把累积的漂移拉回来。对于我这种要在室外环境跑几百米再绕回起点的情况，回环检测几乎是刚需。

1.2 SC-A-LOAM的算法核心流程

SC-A-LOAM在整体架构上沿用了ALOAM的前端：提取角点和平面点，用scan-to-scan的方式估计帧间位姿，再用scan-to-map的方式做精配准。但它额外加了两个模块，一个就是上面说的Scan Context全局回环检测，另一个是基于GTSAM的位姿图优化。

具体流程大致是：每进来一帧点云，先做特征提取，把角点和平面点分出来，然后跟前一帧做匹配，得到一个初步的帧间位姿。这个结果会送到局部地图做一次scan-to-map配准，得到更精确的位姿。每隔一段距离或时间，系统会生成一个关键帧，并把这个关键帧的点云上下文描述子存进数据库。当新的关键帧进来时，会和数据库里的历史帧做检索，如果相似度超过阈值，就认为检测到了回环，然后把回环约束加入因子图，触发一次全局优化。优化完的位姿反馈回前端，地图就得到了修正。

这套设计的好处是，即使前端已经有一些漂移，只要回环检测靠谱，整体图还是能被拉回来。当然，回环检测也不是万能的，你得保证设备经过的区域有足够的视觉特征，纯空旷的广场或长走廊容易让回环检测失效，这个后面我会详细说怎么规避。

1.3 版本与代码分支的选择建议

SC-A-LOAM的官方仓库里有几个分支，我建议直接选gtsam分支，因为回环优化部分依赖GTSAM库。另一个分支是ceres版本的，但优化效果和代码维护性都不如gtsam分支好。如果你只是做前端里程计测试，不想要回环，也可以切到纯ALOAM的模式，但那就失去了选SC-A-LOAM的意义。

我用的系统环境是Ubuntu 18.04 + ROS melodic，跟SC-A-LOAM官方推荐的系统版本是一致的。如果你用的是Ubuntu 20.04或ROS noetic，也能编译，但可能需要在依赖版本上做点调整，尤其是PCL、Eigen、GTSAM这些库的版本，建议先确认清楚再动手。

2. 环境搭建与依赖安装，最容易翻车的一步

2.1 系统、ROS与依赖库版本清单

先列一下我实际用的版本组合，照着这个搭配不容易踩坑：

• Ubuntu 18.04.5 LTS
• ROS melodic desktop-full
• Eigen 3.3.4（系统自带）
• PCL 1.8.1（系统自带）
• Ceres Solver 1.13或1.14
• GTSAM 4.0.2
• 速腾RS-16官方ROS驱动（rslidar_sdk）

以上版本是经过验证的，全部都直接apt安装或编译源码就能跑通。但有个坑要提前说：Eigen和PCL如果自己手动编译过新版，可能会导致SC-A-LOAM编译时出现ABI不兼容的报错，所以如果你不是特别需要新版特性，尽量别折腾这两个库。

2.2 ROS melodic环境的安装细节

ROS melodic的安装流程文档写得很清楚，但我建议重点确认两件事：

第一，源要挑对。国内用户建议直接换清华源或中科大源，不然下载到一半失败会很想摔键盘。换完源之后，执行sudo apt update再开始安装。

第二，rosdep的初始化问题。很多人在sudo rosdep init这一步卡住，报网络错误或超时。这种情况多半是访问GitHub仓库受限，最好用可用的网络镜像源，把rosdep源替换掉，再执行init和update。如果你已经卡在这步了，别硬磕，换源几分钟就能解决。

安装完desktop-full之后，建议立刻验证一下ROS能否正常启动，跑一下roscore，然后用rosrun turtlesim turtlesim_node验证图形界面，尽量在开始装驱动之前就把系统环境确认好，否则后面出了问题都不知道是ROS的问题还是别的问题。

2.3 Ceres Solver和GTSAM的编译细节

这两个库是SC-A-LOAM的核心依赖，Ceres负责Scan-to-Map的优化部分，GTSAM负责回环检测的全局优化部分。编译时建议按Ceres、GTSAM、SC-A-LOAM的顺序来，因为SC-A-LOAM的CMake会同时找这两个库。

Ceres的编译其实很简单，但依赖项一定要装全。我在Ubuntu 18.04上安装时会用到这几个包：

sudo apt-get install -y libgoogle-glog-dev libgflags-dev libatlas-base-dev libsuitesparse-dev

然后到Ceres源码根目录执行标准编译流程：

mkdir build cd build cmake .. make -j4 sudo make install

GTSAM也一样，依赖项主要是Boost和CMake，编译时间会比较长，建议用make -j4让它慢慢跑。编译GTSAM时有个小坑，如果系统里同时存在不同版本的Boost，可能会导致运行时崩溃，所以建议在干净的Ubuntu 18.04环境里编译，避免多版本混杂。

2.4 工作空间的创建与SC-A-LOAM编译验证

依赖装好之后，就可以开始搭SC-A-LOAM的工作空间了。我通常会这样建：

mkdir -p ~/scaloam_ws/src cd ~/scaloam_ws/src git clone https://github.com/gisbi-kim/SC-A-LOAM.git cd .. catkin_make

如果编译过程中报找不到某个库的头文件，多半是CMake没有自动找到库路径。这时候可以用rospack find或pkg-config --cflags去确认库的实际安装位置，然后在SC-A-LOAM的CMakeLists.txt里手动添加include路径。这里有个小经验：不要一报错就整个删掉重编，先看是哪一步失败的，多数时候补个依赖就能解决。

编译成功之后，建议先用官方提供的数据包做个快速冒烟测试，确认算法本身能跑，再去接RS-16的驱动。这样可以把“算法问题”和“雷达驱动问题”分开排查，效率会高很多。

3. RS-16激光雷达驱动的配置要点

3.1 速腾RS-16的参数与硬件连线

RS-16是速腾聚创的一款16线机械式激光雷达，垂直视场角-15°到15°，测量距离一般在100米左右，精度在厘米级。它通过网口输出UDP数据包，默认的接收端口是669（MSOP）和778（DIFOP）。和很多工业雷达一样，它不依赖USB，直接插网线就能工作，但需要你手动配置电脑的IP地址，让电脑和雷达处于同一个子网段。

硬件连接其实非常简单：雷达接上电源（一般是PoE供电或DC供电，看具体套件），网线一头接雷达，另一头接电脑的千兆网口。然后设置电脑网卡的静态IP，比如192.168.1.102，子网掩码255.255.255.0，网关可以不填。RS-16的默认设备IP一般出厂是192.168.1.200，所以在同一子网下应该能被驱动找到。

3.2 驱动包的选择：rslidar_sdk与rslidar_pointcloud

速腾官方提供了两套驱动方案。早期的rslidar_pointcloud是ROS1老版本驱动，我现在用的rslidar_sdk是新一代SDK，同时支持ROS1、ROS2，代码结构更清晰，配置也更灵活，我建议直接选这个。

rslidar_sdk有几个关键配置文件：config/config.yaml负责SDK的参数，比如雷达型号、UDP端口、话题名；package_ros1.xml是用来给catkin识别的；还有CMakeLists.txt。配置时重点确认这几项：

• lidar_type: RS16或RSLIDAR16，这个必须匹配，否则解析不了数据包。
• udp_port: 669，对应MSOP端口。
• topic_name: 发布点云的话题名，我习惯设为/rslidar_points。
• frame_id: 设置为rslidar或laser_link，尽量和后续算法里的坐标系对上。

改完配置后，重新catkin_make一次，启动驱动节点：

roslaunch rslidar_sdk start.launch

如果正常，终端里会出现设备信息，比如SN号、固件版本，然后rostopic echo /rslidar_points能看到点云数据。

3.3 网卡配置与组播地址的坑

RS-16的驱动经常用组播方式发数据，如果你的电脑和雷达不在同一个组播组，就收不到数据包。首次配置时，建议直接在ROS驱动配置文件里把组播地址设为0.0.0.0或关闭组播模式，这样能避免很多麻烦。

另外，Ubuntu 18.04默认启用防火墙（ufw），如果没放行UDP端口，也会导致收不到点云。我遇到过几次这种问题，折腾半天发现是防火墙把UDP包过滤了。解决办法很简单：

sudo ufw allow 669/udp sudo ufw allow 778/udp

或者直接临时关掉防火墙测试，但我不建议长期关闭防火墙，做完测试就记得恢复规则。

还有个容易被忽视的点：RS-16的数据量很大，尤其是16线全速跑，点云频率在10Hz左右，如果电脑网卡是百兆口，可能会因为带宽不足丢包，导致点云“花屏”或出现空洞。建议使用千兆网卡，最好直接插主板上的RJ45口，不要经USB转网口，除非你确定那个转接口是千兆的。

3.4 用RViz快速验证点云是否正常

驱动跑起来之后，下一步就是用RViz看一下点云形态是否正常。启动方式很简单：

rviz

然后在RViz里添加PointCloud2显示，话题选择/rslidar_points，固定坐标系选择rslidar或雷达的frame_id。如果一切正常，你应该能看到雷达周围的点云，地面是平的，周围的建筑物、树木轮廓都很清晰。

这里有个判断点云质量的小技巧：把视角切到雷达的正上方，垂直往下看，点云应该呈一个完整的圆形，而且没有明显的黑白噪点。如果点云有大量黑点或者大片空洞，大概率是网线接触不良、供电不足或者UDP丢包，而不是算法问题。另外，如果点云有明显的“分叉”或“错位”，说明雷达内部的时间戳同步可能有问题，需要去驱动配置里检查时间戳来源。

4. SC-A-LOAM在RS-16上的参数调整

4.1 坐标系与frame_id的统一

SC-A-LOAM的launch文件里，默认的全局坐标系是camera_init，激光雷达坐标系是laser_link。如果你的RS-16驱动发布的话题frame_id是rslidar，那在launch文件里就需要做对应修改，或者给rviz里设置固定的Fixed Frame为camera_init，让它通过TF树找到雷达的坐标系。

我习惯的做法是：在雷达驱动和SC-A-LOAM之间加一个静态坐标变换，把rslidar的坐标系转换到laser_link：

<node pkg="tf2_ros" type="static_transform_publisher" name="lidar_to_base" args="0 0 0 0 0 0 rslidar laser_link" />

这样SC-A-LOAM不需要改代码，就能直接订阅/rslidar_points，而且RViz里也能自动完成坐标对齐。如果雷达安装位置不在车辆几何中心，记得把平移量（x y z）也填进去，保证点云投影正确。

4.2 launch文件和yaml关键参数说明

SC-A-LOAM的launch文件里有几个参数值得重点关注：

• scan_line：这个参数是定义最大线数，对RS-16来说应该是16。
• minimum_range：最小有效距离，我设为0.5米，低于这个距离的点会被过滤掉，避免自车部件（比如安装支架）产生干扰点。
• maximum_range：最大有效距离，RS-16测距能到100米以上，但我实际建图时通常设为80米，太远的点反而会带来噪声，还会增加计算负担。
• ground_remove：是否移除地面点。SC-A-LOAM的前端本身不做地面分割，而是在特征提取时会把平面点当作一类特征。我建议先关闭地面移除，让算法自己提取特征，这样在复杂地形上更稳定。

4.3 点云预处理：降采样与ROI过滤的必要性

RS-16的原始点云，16线全速输出时点数也不少，直接灌给SC-A-LOAM会导致前端实时性变差。所以我通常会在驱动发布点云后，加一个VoxelGrid降采样节点，把体素大小设为0.1米或0.2米。这样点云密度降低，但几何特征保留得还算完整，SC-A-LOAM的匹配速度会有明显提升。

对于有运动物体的场景，我还会做一个简易的ROI过滤，去掉雷达附近栏杆、行人、车辆等动态干扰点。可以用PCL的CropBox节点，把距离雷达5米以内的区域切掉一部分，具体范围根据你的实际场景来设。别看这步简单，它对回环检测的稳定性帮助很大，因为动态物体会产生错误的特征匹配。

4.4 关键参数调整实录：从崩溃到稳定的过程

我第一次跑SC-A-LOAM时，直接用了官方默认参数，结果在RS-16上运行不到两分钟就报了Segmentation fault。后来排查发现，问题出在最小距离和最大距离的设置上。RS-16的近处点云密度高，如果minimum_range设得太小，很多靠近雷达的噪声点会被当作有效特征，导致匹配算法出现野值。我把minimum_range从0.1调到0.5后，崩溃问题基本消失。

第二个调整是地图分辨率。SC-A-LOAM的地图是用叠加点云的方式生成的，体素分辨率会影响地图的精细程度和计算量。我试过0.05米、0.1米、0.2米三档，最终定在0.1米，兼顾了细节和实时性。如果你对地图精度要求高，比如要用于后续的定位和导航，可以试试0.05米，但要做好CPU占用明显升高的准备。

第三个调整是关键帧的间隔。SC-A-LOAM默认按时间或距离触发关键帧，间隔太密会导致位姿图节点过多，优化耗时增加；间隔太疏会导致回环检测的匹配精度下降。我根据RS-16的实际场景，把距离阈值设为1米，时间阈值设为2秒，跑下来效果比较均衡。

5. SC-A-LOAM与RS-16的实战建图

5.1 第一次上楼：数据集录制与回放

如果你没有实车条件，或者想先在离线环境验证算法，可以使用rosbag录制雷达数据，然后回放给SC-A-LOAM跑。这里有个细节：录制bag时，frame_id也会被保存，所以即使你后来修改了驱动的话题名，回放时也要保持frame_id一致，否则SC-A-LOAM的TF会出错。

录制命令很简单：

rosbag record -O outdoor_01 /rslidar_points

录制时尽量保证雷达不动，原地转几圈，这样能覆盖更多周围环境，也能给回环检测创造机会。录制时长建议控制在10分钟以内，文件太大回放时会卡顿。

回放时启动SC-A-LOAM和RViz，然后：

rosbag play outdoor_01.bag

注意播放速度。如果电脑性能一般，建议用--rate=0.5减速播放，避免算法处理不过来回调丢帧。SC-A-LOAM的建图速度和点云输入频率相关，RS-16是10Hz，理论上可以实时跑，但实际因为特征提取和优化很吃CPU，降低播放速度能显著提升建图质量。

5.2 室外园区实测：回环检测的效果与调优

我录制了一段园区道路的数据，全程大约800米，包含一个U字形折返。用SC-A-LOAM跑完后，回环检测成功检测到了折返点，地图闭合效果非常好。对比之前用ALOAM跑出来的图，SC-A-LOAM的地图边缘更干净、墙体更垂直。

不过我注意到一个问题：回环检测不是立刻生效的。SC-A-LOAM在某些帧数间隔才会触发全局优化，所以地图是“先漂移、后拉回”的状态。如果你在RViz里看到地图在中途“扭曲”，不用慌，继续往下跑，等算法触发回环优化后，地图会逐渐回正。这也解释了为什么跑数据时不能只看中途结果，要看最终输出的完整地图。

回环检测的阈值参数叫scan_context_minimum_ring_key和scan_context_maximum_ring_key，这两个参数控制着上下文描述子匹配的灵敏度。如果回环漏检多，可以适当放宽匹配距离；如果误检多，就收紧阈值。我在园区里把距离阈值从默认的20米调到15米，误检明显减少。

5.3 室内环境的建图效果与局限性

SC-A-LOAM在室内环境的表现有点两极分化。在走廊、办公室这种几何特征丰富的环境里，建图效果很好，墙体和家具轮廓清晰。但在开阔的大厅、仓库或纯白墙壁的房间里，由于激光点云缺乏足够的角点和平面特征，算法会出现漂移，回环检测也容易失效。

我做过一次室内测试，在一个约20米×15米的仓库里跑，因为货架和柱子提供了大量垂直结构，SC-A-LOAM建图精度很高，地图和实际尺寸的误差大概在20厘米以内。但在另一个完全空旷的会议室里，点云几乎全是平面点，特征太少，算法跑一会儿就开始漂，地图歪得没法看。

所以如果你主要做室内建图，建议给点云增加一些结构化特征，比如在墙上贴一些反光条或者放置临时障碍物，让特征点更丰富。室外环境反而问题不大，树木、路灯、建筑物都是很好的特征来源。

5.4 地图输出的保存与后续使用

SC-A-LOAM跑完后会把地图以pcd格式保存下来，默认路径一般在~/scaloam_ws/src/SC-A-LOAM/下，叫map.pcd。这个PCD文件就是完整的点云地图，可以拿来给后续的定位模块用。

我用PCL的pcl_viewer快速查看地图效果：

pcl_viewer map.pcd

如果地图点云太多，可以使用pcl_voxel_grid做一次离线降采样，把体素设为0.05米或0.1米，减少存储体积和后续处理耗时。

如果你想把地图转成2D占据栅格地图给move_base用，可以用octomap_server先把点云图转成OctoMap，再投影成2D栅格地图。这一步不是必须的，取决于你的导航方案。如果直接用Cartographer做2D SLAM，那就不需要SC-A-LOAM的地图了，两者是不同路线的方案，别搞混。

6. 常见问题与排查技巧实录

6.1 编译阶段最容易踩的坑

编译阶段最容易出问题的地方就是依赖库版本冲突。我在重装环境时因为偷懒，直接用apt安装了ros-melodic-pcl，结果PCL版本和SC-A-LOAM源码需要的版本不一致，编译时报了一堆模板相关的错误。最后的解决办法是删除apt版PCL，改用源码编译安装PCL 1.8.1，然后再编译SC-A-LOAM，问题就消失了。如果你们遇到类似报错，可以先检查PCL、Eigen、GTSAM的版本，优先考虑版本不兼容的问题。

另外，CMake找不到GTSAM的报错也经常出现。检查方式很简单：

find /usr -name "GTSAMConfig.cmake"

如果没有输出，说明GTSAM没装好或没安装到系统默认路径。可以重装一次并确保make install执行成功，或者把GTSAM的cmake路径手动添加到SC-A-LOAM的CMakeLists.txt里。

6.2 雷达不出数据的排查顺序

如果驱动启动后rostopic echo /rslidar_points没有任何数据，建议按这个顺序排查：

1. 先用ip addr看网卡是否UP，IP有没有配置正确。
2. 用ping 192.168.1.200看雷达IP能否通。
3. 用tcpdump -i eth0 udp port 669抓包，确认是否真的有UDP数据到达网卡。
4. 如果抓不到包，检查网线、交换机、组播地址是否配置正确。
5. 如果抓到包但ROS话题没数据，问题多半在驱动配置，比如lidar_type设置错了、udp端口不对、frame_id匹配不上。

这里特别提醒：RS-16有时会因为供电不足而间歇性丢包。如果你的雷达用的不是配套电源，而是自己接的电源，一定要确认电压和电流够不够，不然点云会一直“闪烁”，排查起来特别头大。

6.3 SC-A-LOAM运行时的运行时崩溃与清退化

我遇到的另一个常见问题是“地图清退化”，就是运行一段时间后，地图上的某些区域点云突然变稀疏，甚至出现大块空洞。这个问题的根源还是回环检测和全局优化之间的相互作用：当全局优化修正历史位姿时，之前已经插入地图的点云没有被重新投影到新位姿，导致点云地图出现撕裂。

解决办法有几种：

• 适当减小关键帧之间的间距，让位姿修正更平滑。
• 降低回环检测的匹配阈值，减少误检，避免大范围位姿跳变。
• 如果你发现回环检测导致地图“翻车”，可以临时关掉回环检测，只保留前端里程计先看下效果，等确认前端没问题再打开回环。

这里的核心原则是：回环检测是把双刃剑，调得好能大幅提升地图精度，调不好会把原本还能看的地图毁掉。建议先把前端调稳，再去调回环参数。

6.4 数据时间戳与TF树的对齐问题

SC-A-LOAM对TF树和时间戳的要求比较严。如果你在RViz里看到点云和轨迹错位，很可能不是算法问题，而是时间戳不同步或TF树缺少某个坐标变换。

我排查时会用rosrun tf view_frames生成TF树，确认camera_init、laser_link、map这些关键坐标系都在。然后会用rostopic echo /tf看变换的时间戳，确认雷达驱动发布点云的时间戳和TF变换的时间戳来自同一个时钟源。

RS-16驱动默认使用雷达自身的时钟作为点云时间戳。如果你同时用了IMU或其他传感器，需要做时间同步。最简单的方法是在雷达驱动配置里把时间戳来源改为system_time，让点云使用节点所在电脑的系统时间，这样和ROS里的其他传感器时间戳就统一了。

6.5 性能调优：如何让建图跑得更流畅

如果你的电脑性能一般，跑SC-A-LOAM时可能会卡顿，尤其是建图范围变大后。我的建议是：

1. 在驱动层面做降采样，VoxelGrid设为0.2米。
2. 把SC-A-LOAM的scan_line参数设为16，不要设为64或更多。
3. 减小最大有效距离，比如从100米改为60米或80米，减少远距离点云的处理量。
4. 在launch文件里调整keyframe_distance和keyframe_time，减少关键帧数量，降低优化负载。

我用一台i5-8400，16GB内存的机器跑RS-16，SC-A-LOAM基本能实时建图，CPU占用在60%-85%波动。如果你们用的是轻薄本或者虚拟机，建议优先用离线rosbag回放，或者降低播放速度。

7. SC-A-LOAM参数速查表与推荐配置

这里给出一份我实测下来比较稳定的配置，供大家参考。当然，不同场景、不同雷达安装方式会有差异，别完全照抄，但可以作为初始基准值去调。

这套配置在室外园区、校园道路、仓库内部都跑过，整体稳定，地图质量也能满足后续定位要求。想进一步调优的话，建议用rosbag录制同一段数据，改一个参数跑一次，对比地图精度和建图耗时，选出最适合你场景的数值。

8. 写在最后的实在话

整套RS-16 + Ubuntu 18.04 + SC-A-LOAM的链路跑通之后，我最大的感受是：这类项目最花时间的不是算法本身，而是环境搭建、驱动调试和参数调优这些“脏活累活”。很多人卡在编译或驱动配置那一步就放弃了，其实只要按顺序来，一条条排查，并没有想象中那么难。

我的建议是，如果你刚开始接触这个组合，先别急着调算法参数。先把雷达驱动跑通，确保rostopic echo /rslidar_points能看到稳定的点云；然后下载官方示例数据，把SC-A-LOAM跑一遍，确认算法本身没问题；最后再接入自己的雷达数据，做参数调优。这样分层排查，问题定位会清晰很多。

另外，野外实测时务必注意安全，雷达旋转时保持周围无障碍物，避免碰撞设备。使用激光雷达时也要注意激光安全等级，RS-16属于安全级别较高的产品，但还是要避免长时间直视雷达窗口。

最后再分享一个小技巧：给SC-A-LOAM录数据时，可以在起点和终点留出明显的位置标记，比如站个人或放个锥桶。这样回环检测是否生效，一眼就能看出来。我就是在测试时放了两个锥桶，跑完一看地图闭合，心里瞬间踏实了。希望这篇记录能帮大家少踩几个坑，早日让RS-16在你们自己的平台上稳定跑起来。