lio-sam 세팅 과정

# ROS Noetic + GTSAM 4.x 환경에서 LIO-SAM 빌드 오류 해결기

이 문서는 Ubuntu 20.04 / ROS Noetic 환경에서 LIO-SAM 패키지를 빌드하는 과정에서 발생했던 에러들을 해결한 과정을 정리한 것입니다. Velog에 정리할 때 바로 활용할 수 있도록, 문제 발생 배경부터 최종 빌드 성공까지의 단계별 작업 흐름을 그대로 담았습니다.

---

## 1. 환경 및 문제 개요

- **운영체제**: Ubuntu 20.04  
- **ROS 버전**: Noetic  
- **GTSAM 버전**: 4.0.3 (APT로 설치)  
- **PCL 버전**: 1.10 (Ubuntu 20.04 기본)  
- **OpenCV 버전**: 4.x  
- **문제점**  
  - LIO-SAM을 `catkin_make`(또는 `catkin build`) 했을 때, PCL의 `point_representation.h`에서  
    ```
    error: the value of ‘NrDims’ is not usable in a constant expression
    ```
    와 같은 템플릿 인스턴스화 관련 에러가 발생  
  - OpenCV 헤더가 FLANN(= PCL 내부 의존)와 충돌하면서  
    ```
    error: ‘class std::unordered_map<unsigned int, std::vector<unsigned int> >’ has no member named ‘serialize’
    ```
    같은 Boost.Serialization 관련 에러가 발생  

위 두 가지 에러가 섞여서, 한 번에 빌드가 완료되지 않았습니다. 아래 내용은 이를 해결하기 위해 수정한 파일들과 설정을 단계별로 정리한 것입니다.

---

## 2. 사전 준비: 설치된 GTSAM 버전 확인

먼저, 시스템에 어떤 GTSAM 버전이 설치되어 있는지 확인합니다. 터미널에 다음 명령어를 입력하세요.
```bash
dpkg -l | grep gtsam

출력 예시:

ii  libgtsam-dev                    4.0.3-1ubuntu1  amd64  GTSAM library header and config files
ii  libgtsam-unstable-dev           4.0.3-1ubuntu1  amd64  GTSAM unstable library header and config files
ii  libgtsam-unstable4:amd64        4.0.3-1ubuntu1  amd64  Unstable parts of GTSAM (flann, LSH 등)
ii  libgtsam4:amd64                 4.0.3-1ubuntu1  amd64  GTSAM Georgia Tech Smoothing and Mapping Library

• 여기서는 4.0.3 버전이 설치되어 있음을 확인했습니다.
• Noetic + GTSAM 4.x 조합에서 LIO-SAM을 빌드하려면, 이후 설정에서 C++ 표준을 C++14로 바꿔야 합니다.

3. utility.h 수정

원본 include/utility.h에는 다음과 같은 이슈가 있었습니다:

1. OpenCV 헤더 순서 문제

   • OpenCV 헤더가 PCL(Flann)과 충돌하면서 Boost.Serialization 에러를 유발

2. PCL 미리 컴파일된 포인트 타입(PCL_NO_PRECOMPILE) 미사용

   • PCL 템플릿 인스턴스화를 최소화하도록 PCL_NO_PRECOMPILE 매크로를 정의해야 함

이 두 가지를 해결하기 위해 utility.h 맨 상단을 다음과 같이 변경했습니다.

#pragma once

#ifndef _UTILITY_LIDAR_ODOMETRY_H_
#define _UTILITY_LIDAR_ODOMETRY_H_

// ─── 1. PCL 미리 컴파일 비활성화 ──────────────────────────
#define PCL_NO_PRECOMPILE             
#define PCL_ONLY_CORE_POINT_TYPES     

// ─── 2. Boost.Serialization Include ───────────────────────
#include <boost/serialization/unordered_map.hpp>

// ─── 3. ROS 헤더들 ────────────────────────────────────────
#include <ros/ros.h>
#include <std_msgs/Header.h>
#include <std_msgs/Float64MultiArray.h>
#include <sensor_msgs/Imu.h>
#include <sensor_msgs/PointCloud2.h>
#include <sensor_msgs/NavSatFix.h>
#include <nav_msgs/Odometry.h>
#include <nav_msgs/Path.h>
#include <visualization_msgs/Marker.h>
#include <visualization_msgs/MarkerArray.h>

// ─── 4. PCL 헤더들 (OpenCV보다 먼저) ──────────────────────
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/search/impl/search.hpp>
#include <pcl/range_image/range_image.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/common/common.h>
#include <pcl/common/transforms.h>
#include <pcl/registration/icp.h>
#include <pcl/io/pcd_io.h>
#include <pcl/filters/filter.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/crop_box.h>
#include <pcl_conversions/pcl_conversions.h>

// ─── 5. TF 헤더들 ─────────────────────────────────────────
#include <tf/LinearMath/Quaternion.h>
#include <tf/transform_listener.h>
#include <tf/transform_datatypes.h>
#include <tf/transform_broadcaster.h>

// ─── 6. OpenCV 헤더 (PCL 헤더들 뒤에 포함) ───────────────
#include <opencv2/opencv.hpp>

// ─── 7. STL 및 기타 유틸리티 ─────────────────────────────
#include <vector>
#include <cmath>
#include <algorithm>
#include <queue>
#include <deque>
#include <iostream>
#include <fstream>
#include <ctime>
#include <cfloat>
#include <iterator>
#include <sstream>
#include <string>
#include <limits>
#include <iomanip>
#include <array>
#include <thread>
#include <mutex>

using namespace std;
typedef pcl::PointXYZI PointType;
enum class SensorType { VELODYNE, OUSTER, LIVOX };

// … 이하 생략 (기존 내용 그대로 유지) …

#endif  // _UTILITY_LIDAR_ODOMETRY_H_

• 핵심 요약

  1. #define PCL_NO_PRECOMPILE, #define PCL_ONLY_CORE_POINT_TYPES를 가장 상단에 두어 PCL의 컴파일 방식을 제어
  2. <boost/serialization/unordered_map.hpp>를 먼저 포함하여 FLANN(= PCL 내부 의존) 에러를 방지
  3. PCL 헤더들을 OpenCV 헤더보다 먼저 읽도록 순서 변경
  4. <opencv2/opencv.hpp>는 PCL 헤더 뒤쪽에 위치해야 FLANN–OpenCV 간의 USE_UNORDERED_MAP 충돌을 피할 수 있음

4. CMakeLists.txt 수정

다음으로, 패키지 전체 CMake 설정을 Noetic + GTSAM 4.x에 맞게 조정합니다.
주요 변경 사항은 다음과 같습니다:

1. C++ 표준을 -std=c++14로 설정
2. find_package(Boost … serialization)로 Boost.Serialization 확인
3. add_definitions(-DPCL_NO_PRECOMPILE -DPCL_ONLY_CORE_POINT_TYPES)를 추가
4. include_directories(...), link_directories(...)에 Boost, GTSAM 경로 포함

최종 CMakeLists.txt 예시는 아래와 같습니다.

cmake_minimum_required(VERSION 2.8.3)
project(lio_sam)

# ─── 1. 빌드 타입 & C++ 표준 ──────────────────────────────────
set(CMAKE_BUILD_TYPE "Release")
set(CMAKE_CXX_FLAGS "-std=c++14")  
set(CMAKE_CXX_FLAGS_RELEASE "-O3 -Wall -g -pthread")

# ─── 2. ROS, OpenMP, PCL, OpenCV, GTSAM, Boost 찾기 ───────────
find_package(catkin REQUIRED COMPONENTS
  tf
  roscpp
  rospy
  cv_bridge
  pcl_conversions
  std_msgs
  sensor_msgs
  geometry_msgs
  nav_msgs
  message_generation
  visualization_msgs
)

find_package(OpenMP REQUIRED)
find_package(PCL REQUIRED QUIET)
find_package(OpenCV REQUIRED QUIET)
find_package(GTSAM REQUIRED QUIET)
find_package(Boost REQUIRED COMPONENTS timer serialization)

# ─── 3. 전처리 매크로 정의 (PCL 최적화) ───────────────────────
add_definitions(-DPCL_NO_PRECOMPILE -DPCL_ONLY_CORE_POINT_TYPES)

# ─── 4. 메시지/서비스 파일 등록 ───────────────────────────────
add_message_files(
  DIRECTORY msg
  FILES
    cloud_info.msg
)

add_service_files(
  DIRECTORY srv
  FILES
    save_map.srv
)

generate_messages(
  DEPENDENCIES
    geometry_msgs
    std_msgs
    nav_msgs
    sensor_msgs
)

catkin_package(
  INCLUDE_DIRS include
  DEPENDS PCL GTSAM Boost

  CATKIN_DEPENDS
    std_msgs
    nav_msgs
    geometry_msgs
    sensor_msgs
    message_runtime
    message_generation
    visualization_msgs
)

# ─── 5. 인클루드 디렉토리 설정 ─────────────────────────────────
include_directories(
  include
  ${catkin_INCLUDE_DIRS}
  ${PCL_INCLUDE_DIRS}
  ${OpenCV_INCLUDE_DIRS}
  ${GTSAM_INCLUDE_DIR}
  ${Boost_INCLUDE_DIRS}
)

# ─── 6. 라이브러리 디렉토리 설정 (링크 디렉토리) ───────────────
link_directories(
  ${PCL_LIBRARY_DIRS}
  ${OpenCV_LIBRARY_DIRS}
  ${GTSAM_LIBRARY_DIRS}
)

####################
## Build targets ##
####################

# 1. Range Image Projection
add_executable(${PROJECT_NAME}_imageProjection src/imageProjection.cpp)
add_dependencies(${PROJECT_NAME}_imageProjection 
  ${catkin_EXPORTED_TARGETS} 
  ${PROJECT_NAME}_generate_messages_cpp
)
target_link_libraries(
  ${PROJECT_NAME}_imageProjection
  ${catkin_LIBRARIES} 
  ${PCL_LIBRARIES} 
  ${OpenCV_LIBRARIES}
)

# 2. Feature Association
add_executable(${PROJECT_NAME}_featureExtraction src/featureExtraction.cpp)
add_dependencies(${PROJECT_NAME}_featureExtraction 
  ${catkin_EXPORTED_TARGETS} 
  ${PROJECT_NAME}_generate_messages_cpp
)
target_link_libraries(
  ${PROJECT_NAME}_featureExtraction
  ${catkin_LIBRARIES} 
  ${PCL_LIBRARIES} 
  ${OpenCV_LIBRARIES}
)

# 3. Mapping Optimization
add_executable(${PROJECT_NAME}_mapOptmization src/mapOptmization.cpp)
add_dependencies(${PROJECT_NAME}_mapOptmization 
  ${catkin_EXPORTED_TARGETS} 
  ${PROJECT_NAME}_generate_messages_cpp
)
target_compile_options(${PROJECT_NAME}_mapOptmization PRIVATE ${OpenMP_CXX_FLAGS})
target_link_libraries(
  ${PROJECT_NAME}_mapOptmization
  Boost::timer
  ${catkin_LIBRARIES}
  ${PCL_LIBRARIES}
  ${OpenCV_LIBRARIES}
  ${OpenMP_CXX_FLAGS}
  gtsam
)

# 4. IMU Preintegration
add_executable(${PROJECT_NAME}_imuPreintegration src/imuPreintegration.cpp)
add_dependencies(${PROJECT_NAME}_imuPreintegration 
  ${catkin_EXPORTED_TARGETS} 
  ${PROJECT_NAME}_generate_messages_cpp
)
target_link_libraries(
  ${PROJECT_NAME}_imuPreintegration
  Boost::timer
  ${catkin_LIBRARIES} 
  ${PCL_LIBRARIES} 
  ${OpenCV_LIBRARIES} 
  gtsam
)

• 주요 포인트

  • set(CMAKE_CXX_FLAGS "-std=c++14") 으로 C++14 표준 사용
  • add_definitions(-DPCL_NO_PRECOMPILE -DPCL_ONLY_CORE_POINT_TYPES) 로 PCL 템플릿 인스턴스화를 최소화
  • find_package(Boost … serialization) 및 target_link_libraries(... Boost::timer ...) 로 Boost.Serialization을 로드
  • include_directories, link_directories에 GTSAM, Boost 경로를 포함

5. 의존성 설치 및 빌드 방법

1. 의존성 패키지 설치
   이미 ROS Noetic, PCL, OpenCV, GTSAM, Boost 등이 설치되어 있음을 가정합니다.
   부족한 패키지가 있다면 아래 명령어로 설치하세요:

   sudo apt update
   sudo apt install -y \
     ros-noetic-pcl-ros \
     ros-noetic-cv-bridge \
     libgtsam-dev \
     libboost-timer-dev \
     libboost-serialization-dev

   (버전 이름이 변경될 수 있으니, apt search gtsam 등을 통해 확인)

2. 워크스페이스 초기화 및 클린 빌드

   cd ~/ouster_ws
   # (선택 사항) 이전 빌드 결과물을 모두 지우기
   catkin clean         # catkin_tools 사용 시
   rm -rf build/ devel/

3. 빌드

   cd ~/ouster_ws
   catkin_make -DCMAKE_BUILD_TYPE=Release

   또는 catkin build 사용 시:

   catkin build lio_sam

4. 환경 변수 소스

   source ~/ouster_ws/devel/setup.bash

정상적으로 빌드되면, devel/lib/lio_sam/ 디렉터리 아래에 다음 실행 파일들이 생성됩니다:

• lio_sam_imageProjection
• lio_sam_featureExtraction
• lio_sam_mapOptmization
• lio_sam_imuPreintegration

6. 빌드 완료 후 확인

• 빌드 로그를 확인하여 에러가 없음을 확인합니다.
• 노드를 구동해 보면서 의존성이 제대로 연결되었는지 테스트합니다.

# 예시: imageProjection 노드 실행
roslaunch lio_sam run.launch

(실제 런치 파일 이름 및 내용은 사용 중인 LIO-SAM 버전에 따라 다를 수 있습니다.)

7. 정리 및 결론

1. 문제 원인

   • PCL 템플릿 인스턴스화 과정에서 NrDims가 상수식이 못 된다는 에러
   • FLANN <→ OpenCV 헤더 순서 충돌로 인한 Boost.Serialization 관련 에러

2. 핵심 해결책

   • utility.h 최상단에 #define PCL_NO_PRECOMPILE과 #define PCL_ONLY_CORE_POINT_TYPES를 선언
   • PCL 헤더들을 <opencv2/opencv.hpp>보다 먼저 인클루드
   • CMakeLists.txt에서 C++ 표준을 C++14로 변경
   • Boost.Serialization을 찾기 위해 find_package(Boost … serialization) 및 target_link_libraries(... Boost::timer ...) 설정 추가

3. 결과

   • Ubuntu 20.04 + ROS Noetic + GTSAM 4.x 환경에서 LIO-SAM이 정상적으로 빌드됨
   • utility.h 인클루드 순서 문제와 C++ 표준 불일치가 가장 큰 장벽이었음

• 혹시 ROS 패키지 버전이나 경로가 다를 경우, 적절히 경로/버전을 변경해서 적용.