GLIM Docker

このプロジェクトは、GLIM (GitHub: koide3/glim_ros2) を使用してLiDAR SLAMによる点群地図作成をDockerコンテナ環境で実行します。

環境

対応LiDARセンサー

Unitree D4 LiDAR L2

• Unitree D4 LiDAR L2
  • SDK: https://github.com/unitreerobotics/unilidar_sdk2
  • ROS2 トピック
    • LiDAR: /unilidar/cloud
    • IMU: /unilidar/imu
  • LiDAR-IMU変換: [0.007698, 0.014655, -0.00667, 0.0, 0.0, 0.0, 1.0]
  • スキャン距離: 30m / 90%
  • 近距離ブラインドエリア: 0.05m
  • 有効周波数: 64000points/s
  • 周回スキャン周波数: 5.55Hz
  • IMU: 3軸加速度計 + 3軸ジャイロスコープ

Livox Mid-360

• Livox Mid-360
  • ROS2 トピック
    • LiDAR: /livox/lidar
    • IMU: /livox/imu
  • LiDAR-IMU変換: [-0.011, -0.02329, 0.04412, 0.0, 0.0, 0.0, 1.0]
  • 検出範囲: 70m @ 80% 反射率
  • 視野角: 360° × 59°
  • スキャンレート: 10Hz
  • IMU: 6軸（3軸加速度計 + 3軸ジャイロスコープ）

PC環境

• GPU: NVIDIA GeForce RTX 5060Ti

環境構築（参考：https://koide3.github.io/glim/docker.html）

GPUで処理の場合

# 設定ファイルをコピーして編集
git clone https://github.com/koide3/glim.git /tmp/glim
cp -R /tmp/glim/config $HOME/glim_docker/config

# Docker Hubからイメージを取得
docker pull koide3/glim_ros2:humble_cuda12.2

以下は単体でSLAMを実行する場合のコマンド。
後述のシェルスクリプトを使用する方法が簡単なのでおすすめ。

# GPU およびDISPLAY サポート付きでglim_ros2:humble_cuda12.2 イメージを起動
# 別ターミナルでrosbagファイルを再生すること
docker run \
  -it \
  --rm \
  --net=host \
  --ipc=host \
  --pid=host \
  --gpus all \
  -e=DISPLAY \
  -e=ROS_DOMAIN_ID \
  -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
  -v $HOME/glim_docker/config:/glim/config \
  koide3/glim_ros2:humble_cuda12.2 \
  ros2 run glim_ros glim_rosnode --ros-args -p config_path:=/glim/config

CPUで処理（GPUなし）の場合

# 設定ファイルをコピーして編集
git clone https://github.com/koide3/glim.git /tmp/glim
cp -R /tmp/glim/config $HOME/glim_docker/config

# 以下のように変更:
# "config_odometry" : "config_odometry_cpu.json"
# "config_sub_mapping" : "config_sub_mapping_cpu.json"
# "config_global_mapping" : "config_global_mapping_cpu.json"
nano config/config.json

# Docker Hubからイメージを取得
docker pull koide3/glim_ros2:humble

以下は単体でSLAMを実行する場合のコマンド。
後述のシェルスクリプトを使用する方法が簡単なのでおすすめ。

# DISPLAYサポート付きでglim_ros2:humble イメージを起動
# 別ターミナルでrosbagファイルを再生すること
docker run \
  -it \
  --rm \
  --net=host \
  --ipc=host \
  --pid=host \
  -e=DISPLAY \
  -e=ROS_DOMAIN_ID \
  -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
  -v $HOME/glim_docker/config:/glim/config \
  koide3/glim_ros2:humble \
  ros2 run glim_ros glim_rosnode --ros-args -p config_path:=/glim/config

（参考）ソースからDockerイメージをビルド

必須ではないが、Docker Hubからイメージを取得しない場合は下記のコマンドでDockerイメージをビルドする。

mkdir /tmp/glim_docker && cd /tmp/glim_docker
git clone https://github.com/koide3/glim.git 
git clone https://github.com/koide3/glim_ros2.git

# GPU
docker build \
  -f glim_ros2/docker/Dockerfile.gcc \
  --build-arg="BASE_IMAGE=koide3/gtsam_points:jammy" \
  --build-arg="ROS_DISTRO=humble" \
  --tag glim_ros2:humble \
  .

# CPU
docker build \
  -f glim_ros2/docker/Dockerfile.gcc.cuda \
  --build-arg="BASE_IMAGE=koide3/gtsam_points:jammy_cuda12.2" \
  --build-arg="ROS_DISTRO=humble" \
  --tag glim_ros2:humble_cuda12.2 \
  .

ディレクトリ構造

$HOME
└── glim_docker/
        ├── config/                                // デフォルト設定（オリジナルGLIM）
        ├── config_L2_default/                     // Unitree L2 デフォルト設定
        ├── config_L2_indoor_gpu/                  // Unitree L2 屋内GPU設定
        ├── config_L2_indoor_cpu/                  // Unitree L2 屋内CPU設定
        ├── config_L2_outdoor_gpu/                 // Unitree L2 屋外GPU設定
        ├── config_L2_outdoor_cpu/                 // Unitree L2 屋外CPU設定
        ├── config_mid360/                         // Livox Mid-360 設定
        ├── glim_offline_viewer_docker_cpu.sh      // オフラインビューア（CPU）
        ├── glim_offline_viewer_docker_gpu.sh      // オフラインビューア（GPU）
        ├── glim_rosbag_docker_L2_indoor_gpu.sh    // Unitree L2 屋内GPU rosbagマッピング
        ├── glim_rosbag_docker_L2_indoor_cpu.sh    // Unitree L2 屋内CPU rosbagマッピング
        ├── glim_rosbag_docker_L2_outdoor_gpu.sh   // Unitree L2 屋外GPU rosbagマッピング
        ├── glim_rosbag_docker_L2_outdoor_cpu.sh   // Unitree L2 屋外CPU rosbagマッピング
        ├── glim_rosbag_docker_mid360_gpu.sh       // Livox Mid-360 GPU rosbagマッピング
        ├── glim_rosnode_docker_L2.sh              // リアルタイムROSノード（トピック購読）
        └── output/                                // SLAM出力データ

設定概要

GPU vs CPU 設定

タイプ	Dockerイメージ	処理速度
GPU	koide3/glim_ros2:humble_cuda12.2	高速（1.5-3倍）
CPU	koide3/glim_ros2:humble	中速（5-8倍）

環境別最適化

パラメータ	屋内	屋外	説明
ボクセル解像度	0.1-0.15m	0.3-0.4m	屋内は細かい詳細が必要
キーフレーム距離	0.3m	1.5m	屋内：頻繁更新 屋外：疎更新
ループ検出	25-30m	60-100m	屋内：狭い空間 屋外：広いエリア
点群密度	35K-50K	20K-30K	屋内：詳細が必要
IMUノイズ	低	高	屋内：安定動作 屋外：可変条件

使用方法

L2 サンプルデータの保存場所

• L2 屋内点群データ: $HOME/localization/unitree_L2/L2_Indoor_Point_Cloud_Data_sample_ROS2
• L2 公園点群データ: $HOME/localization/unitree_L2/L2_Park_Point_Cloud_Data_sample_ROS2

屋内マッピング

シェルスクリプトで自動処理

# GPU
./glim_rosbag_docker_L2_indoor_gpu.sh $HOME/localization/unitree_L2/L2_Indoor_Point_Cloud_Data_sample_ROS2

# CPU
./glim_rosbag_docker_L2_indoor_cpu.sh $HOME/localization/unitree_L2/L2_Indoor_Point_Cloud_Data_sample_ROS2

屋外マッピング

シェルスクリプトで自動処理

# GPU
./glim_rosbag_docker_L2_outdoor_gpu.sh $HOME/localization/unitree_L2/L2_Park_Point_Cloud_Data_sample_ROS2

# CPU
./glim_rosbag_docker_L2_outdoor_cpu.sh $HOME/localization/unitree_L2/L2_Park_Point_Cloud_Data_sample_ROS2

Livox Mid-360 マッピング

シェルスクリプトで自動処理

# GPU
./glim_rosbag_docker_mid360_gpu.sh /path/to/your/mid360_rosbag

# Livox Mid-360 センサー特性に最適化された設定
# トピック: /livox/lidar, /livox/imu
# T_lidar_imu: [-0.011, -0.02329, 0.04412, 0.0, 0.0, 0.0, 1.0]

GLIMをオフラインビューアーモードで立ち上げ（構成データをGUIで確認・.plyで保存）

構成データをGUIで3D点群データとして確認し、.PLY形式で保存する。

# GPU
docker run \
  -it \
  --rm \
  --net=host \
  --ipc=host \
  --gpus all \
  -e=DISPLAY \
  -e=NVIDIA_VISIBLE_DEVICES=all \
  -e=NVIDIA_DRIVER_CAPABILITIES=compute,utility,graphics \
  -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
  -v $HOME/glim_docker/config:/glim/config \
  -v $HOME/glim_docker/output:/tmp/dump \
  koide3/glim_ros2:humble_cuda12.2 \
  ros2 run glim_ros offline_viewer

# CPU
docker run \
  -it \
  --rm \
  --net=host \
  --ipc=host \
  -e=DISPLAY \
  -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
  -v "$HOME/glim_docker/config":/glim/config \
  -v "$HOME/glim_docker/output":/tmp/dump \
  koide3/glim_ros2:humble \
  ros2 run glim_ros offline_viewer

GLIMのGUIが立ち上がったら、左上のタブからFile->readを選択し、/tmp/dump/の構成データを指定する。

Warning

GLIMはDocker環境で立ち上げているので、ローカル環境の$HOME/glim_docker/outputではなくDocker環境内の/tmp/dump/でないと構成データが見つからないことに注意

点群が3DのMAPになっていれば、File -> Save -> Save Mapと選択して.ply形式で/tmp/dump/に保存すれば、ローカル環境の$HOME/glim_docker/outputに点群MAPファイル保存される。

GLIMをマップエディタモードで立ち上げ（ノイズの削除など）

GLIM Manual Object Removal を参考に、構成ファイルから手動でノイズ除去などの処理を実行できる。

# GPU
docker run \
  -it \
  --rm \
  --net=host \
  --ipc=host \
  --gpus all \
  -e=DISPLAY \
  -e=NVIDIA_VISIBLE_DEVICES=all \
  -e=NVIDIA_DRIVER_CAPABILITIES=compute,utility,graphics \
  -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
  -v $HOME/glim_docker/config:/glim/config \
  -v $HOME/glim_docker/output:/tmp/dump \
  koide3/glim_ros2:humble_cuda12.2 \
  ros2 run glim_ros map_editor

# CPU
docker run \
  -it \
  --rm \
  --net=host \
  --ipc=host \
  -e=DISPLAY \
  -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
  -v "$HOME/glim_docker/config":/glim/config \
  -v "$HOME/glim_docker/output":/tmp/dump \
  koide3/glim_ros2:humble \
  ros2 run glim_ros map_editor

GLIMのGUIが立ち上がったら、左上のタブからFile->readを選択し、/tmp/dump/の構成データを指定する。

Warning

GLIMはDocker環境で立ち上げているので、ローカル環境の$HOME/glim_docker/outputではなくDocker環境内の/tmp/dump/でないと構成データが見つからないことに注意

設定のコツ

より高い精度が必要な場合

• 点群密度を増加: random_downsample_target の値を高く
• 外れ値除去を有効化: 前処理で enable_outlier_removal: true に設定
• ボクセル解像度を減少: より細かい詳細を捉えるため値を小さく
• スムージングウィンドウを長く: 軌道安定のため smoother_lag を増加

より早い速度で処理する場合

• GPU版を使用: CUDA アクセラレーション付き
• 点群密度を減少: random_downsample_target の値を低く
• グローバル最適化を無効化: グローバルマッピングで enable_optimization: false に設定
• ボクセル解像度を増加: 高速処理のため値を大きく
• スムージングウィンドウを短く: 迅速更新のため smoother_lag を減少

よくある問題のトラブルシューティング

低オーバーラップ警告

[global] [warning] previous submap has only a small overlap

解決方法:

• min_implicit_loop_overlap を減少（0.7 → 0.5）
• max_implicit_loop_distance を増加
• より頻繁なキーフレームのため keyframe_delta_trans と keyframe_delta_rot を調整

IndeterminantLinearSystemException

[global] [error] an indeterminant linear system exception was caught

解決方法:

• グローバルマッピングで enable_optimization: false に設定
• init_pose_damping_scale を増加（1e25 → 1e30）
• より保守的な isam2_relinearize_thresh 値を使用（0.001 → 0.01）

軌道精度不良（点群ドリフト）

解決方法:

• より長い最適化ウィンドウのため smoother_lag を増加
• "GICP" の代わりに registration_type: "VGICP" を使用
• より頻繁な再線形化のため isam2_relinearize_thresh を減少
• より堅牢な最適化のため use_isam2_dogleg: true を有効化

パフォーマンス監視

• 再生速度: 処理速度のコンソール出力を監視（高い = 高速）
• メモリ使用量: 処理中のシステムメモリをチェック
• サブマップオーバーラップ: 連続するサブマップ間で70%超のオーバーラップを目指す
• 出力品質: 生成された点群地図の完全性を検査