HBA是一个激光点云层级式的全局优化的程序，他的论文题目是：HBA: A Globally Consistent and Efficient Large-Scale LiDAR Mapping Module，对应的github地址是：HKU-Mars-Lab · GitHub
学习本博客，可以学到gtsam安装，cmake高版本安装，ceres2.2.0的安装，以及一个HBA编译问题的解决，最后把HBA给编译成功.
（0）当遇到libqwayland-egl.so 文件不存在的问题
当遇到这个问题的时候：
The imported target "Qt5::Gui" references the file
"/usr/lib/x86_64-linux-gnu/qt5/plugins/platforms/libqwayland-egl.so"
but this file does not exist.
文件夹中不存在 libqwayland-egl.so 这个库文件，执行下面语句就可以消除该错误：
sudo apt install qtwayland5
（1）安装gtsam
1.首先安装 依赖
sudo apt-get install libtbb-dev
sudo apt-get install libeigen3-dev
2.然后下载源代码
git clone https://bitbucket.org/gtborg/gtsam.git
3.编译安装
cd gtsam
mkdir build && cd build
cmake ..
make
sudo make install
（2）安装cmake 大于3.10版本
安装ceres的时候，必须要求cmake在3.16-3.28之间，但是ros的cmake是3.10版本，因此需要单独安装cmake。参考网上教程可以发现，很多cmake安装 的第一行命令中，有autoremove,这是一个天坑安装cmake的方法，因为它会直接把ros给卸载了。
正确的安装方法如下：
-
解压并进入目录中
tar -xf cmake-3.18.5.tar.gz
cd cmake-3.18.5/
3.执行配置、编译和安装命令
./configure --prefix=/usr/local/cmake
make
sudo make install
5.设置软连接
ln -s /usr/local/cmake/bin/cmake /usr/bin/cmake
如果执行上述命令报"ln: failed to create symbolic link '/usr/bin/cmake': File exists"错误，显示已有软连接（'/usr/bin/cmake'），则执行如下命令删除软链接（软连接'/usr/bin/cmake'仅为示例，请用户以实际情况为准）：
rm -rf /usr/bin/cmake
6.检查cmake的版本
cmake --version
详细可参考 ：ubuntu18.04安装cmake3.12.0步骤_ubuntu安装cmake3.12-CSDN博客
（3）安装ceres2.2.0
1.下载
GitHub - ceres-solver/ceres-solver: A large scale non-linear optimization library
2.安装官网教程
官网：Installation --- Ceres Solver
2.1首先配置环境
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
2.2然后构建和编译以及安装
tar zxf ceres-solver-2.2.0.tar.gz
mkdir ceres-bin
cd ceres-bin
cmake ../ceres-solver-2.2.0
make -j3
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.
make install
2.3最后可以用一个例子进行测试
bin/simple_bundle_adjuster ../ceres-solver-2.2.0/data/problem-16-22106-pre.txt
这样就安装好了ceres2.2.0
(4)解决编译问题typedef struct LZ4_stream_t LZ4_stream_t'
在ceres也通过编译之后，会遇到：
/usr/include/lz4.h:196:57: error: conflicting declaration 'typedef struct LZ4_stream_t LZ4_stream_t'
这时候使用
sudo mv /usr/include/flann/ext/lz4.h /usr/include/flann/ext/lz4.h.bak
sudo mv /usr/include/flann/ext/lz4hc.h /usr/include/flann/ext/lz4hc.h.bak
sudo ln -s /usr/include/lz4.h /usr/include/flann/ext/lz4.h
sudo ln -s /usr/include/lz4hc.h /usr/include/flann/ext/lz4hc.h
（5）编译HBA程序
然后进入HBA的ws环境，进行catkin_make就可以编译成功.
（6）HBA运行park数据
1.下载数据和了解数据格式
首先下载github HBA工程中，提供的park和kitt7数据，加起来大约2G。
然后解压。以park数据为例子，目录结构是:
park
-pcd
-0.pcd
-1.pcd
-pose.json
其中pose.json中，每一行是按照 tx ty tz qw qx qy qz来排列的。
2.修改hba.launch的文件中对应的参数
要想使用hba进行优化，首先需要修改hba.launch文件中的文件夹路径和文件名的控制值
<launch>
<node pkg="hba" type="hba" name="hba" output="screen">
<param name="data_path" type="string" value="/home/zhu/park/"/>
<param name="total_layer_num" type="int" value="3"/>
<param name="pcd_name_fill_num" type="int" value="0"/> <!--set 5 for kitti07 and 0 for park-->
<param name="thread_num" type="int" value="16"/>
</node>
<arg name="rviz" default="0"/>
<group if="$(arg rviz)">
<node launch-prefix="nice" pkg="rviz" type="rviz" name="rviz"
args="-d $(find hba)/rviz_cfg/rosbag.rviz" />
</group>
</launch>
注意：
1.修改：data_path 就是park数据集的文件根目录， 在这里我的路径是/home/zhu/park/，
2.修改：pcd_name_fill_num 的value设置为0，表示没有格式控制，否则需要提供00000.pcd这样的命名格式。
3.修改visualize.launch中的参数的值
同样的也对visualize.launch 这两个位置进行修改。
<launch>
<node pkg="hba" type="visualize_map" name="visualize_map" output="screen">
<param name="file_path" type="string"
value="/home/zhu/park/"/>
<param name="downsample_size" type="double" value="0.1"/>
<param name="pcd_name_fill_num" type="int" value="0"/> <!--set 5 for kitti07 and 0 for park-->
<param name="marker_size" type="double" value="0.5"/>
</node>
<arg name="rviz" default="1"/>
<group if="$(arg rviz)">
<node launch-prefix="nice" pkg="rviz" type="rviz" name="rviz"
args="-d $(find hba)/rviz_cfg/rosbag.rviz" />
</group>
</launch>
3.开始进行hba优化
roslaunch hba hba.launch
执行情况如下图：
执行结果最终保存出来了优化后的位姿，从截图上可以看出优化了3407个位姿。值得注意的是，执行完后，它写出的pose.json把park数据集目录下的pose.json给覆盖了，这有点猝不及防。
4.显示出来
roslaunch hba visualize.launch
就是把park数据集，按照优化后的pose.json中的位姿和 pcd中的文件，按照visualize.launch中的分辨率进行降采样，然后显示出来。
最后显示的结果是：
可以看到，周围的建筑物边缘对的并不齐，所以HBA还是有优化改进的空间。
显示路径
