激光slam入门知识总结

学习知乎上任乾写的从零开始做激光slam系列&＃xff0c;在这里总结一下收获

1. 作者给出了本系列的简单介绍&＃xff0c;包括用的传感器&＃xff0c;平台&＃xff0c;写作思路等等。

1. 作者使用了KITTI数据集&＃xff0c;在下载的过程中发现&＃xff0c;直接翻墙从国外网站下载速度非常快。
2. 主要是利用激光雷达数据和RTK数据做融合。
   RTK&＃xff0c;GNSS&＃xff0c;IMU等定位方式的精度要详细了解一下
3. 将数据集转换成ROSBAG&＃xff0c;然后利用rviz就能进行原始数据效果查看了。

1. 将订阅和发布写成分开的类&＃xff0c;同时&＃xff0c;再按照传感器数据类型进行进一步分类
2. 功能流程&＃xff1a;
   (1) 接收数据放到队列中
   (2) 选出时间基本一致的数据组
   (3) 发布数据

1. 功能流程&＃xff1a;
   &＃xff08;1&＃xff09;接收数据放到队列里
   &＃xff08;2&＃xff09;选出时间基本一致的数据
   &＃xff08;3&＃xff09;点云预处理
   清洗NAN数据
   点云稀疏化
   &＃xff08;4&＃xff09;第一帧单独处理&＃xff0c;直接更新局部和全局地图
   &＃xff08;5&＃xff09;利用ndt匹配点云&＃xff0c;获得单步的运动变换关系
   &＃xff08;6&＃xff09;当运动距离达到一定程度&＃xff0c;就更新局部地图和全局地图

2. 局部和全局地图更新流程&＃xff1a;
   “地图”&＃xff1a;是一个一个的点云数据帧序列
   地图&＃xff1a;是一个大的点云数据帧&＃xff0c;包含了20个小关键帧帧的点
   &＃xff08;1&＃xff09;更新局部地图关键帧队列&＃xff0c;保证只有20个
   &＃xff08;2&＃xff09;把所有的点加到一个地图点云帧里
   &＃xff08;3&＃xff09;更新ndt的目标点云
   &＃xff08;4&＃xff09;更新全局地图关键帧队列&＃xff0c;每100个关键帧&＃xff0c;进行一次全局地图点云帧更新

1. 这里功能流程基本没有什么变化
2. 除了将订阅和发布分开&＃xff0c;不同类型的数据分开之外&＃xff0c;也将处理方法单独列出了一些类和函数&＃xff0c;运用了继承的方式&＃xff0c;便于以后扩展
3. 地图关键帧存储在了硬盘上&＃xff0c;可以节约内存空间

1. 时间同步处理包含两个方面&＃xff1a;
   &＃xff08;1&＃xff09;各个传感器用的时间源是一致的&＃xff0c;kitti数据集已经处理好
   &＃xff08;2&＃xff09;通过插值的方式获得同一个时刻的数据值&＃xff0c;这里主要是与雷达数据对齐

2. 功能流程
   &＃xff08;1&＃xff09;接收数据放到队列里
   a. 索引&＃xff1a;找到和激光雷达数据时间戳对齐的前后两针imu或gnss数据
   b. 插值&＃xff1a;线性插值获得和激光雷达数据时间一致的imu/gnss数据
   c. 注意&＃xff1a;这里处理完后deque里实际上只有一个数据&＃xff01;&＃xff01;&＃xff0c;这里是不是损失了一些可积分位置信息
   &＃xff08;2&＃xff09;选出时间基本一致的数据
   &＃xff08;3&＃xff09;点云预处理
   a. 清洗NAN数据
   b. 点云稀疏化
   &＃xff08;4&＃xff09;第一帧单独处理&＃xff0c;直接更新局部和全局地图
   &＃xff08;5&＃xff09;利用ndt匹配点云&＃xff0c;获得单步的运动变换关系
   &＃xff08;6&＃xff09;当运动距离达到一定程度&＃xff0c;就更新局部地图和全局地图

3. 这里车辆航向角四元数插值用的是线性插值&＃xff0c;不是球面插值

1. 只要把数据存储下来&＃xff0c;然后调用evo命令就能对结果进行评价&＃xff0c;有两种评价
   &＃xff08;1&＃xff09;每100米误差
   &＃xff08;2&＃xff09;累计误差

1. 功能流程&＃xff0c;只变化了标黄部分
   &＃xff08;1&＃xff09;接收数据放到队列里
   a. 索引&＃xff1a;找到和激光雷达数据时间戳对齐的前后两针imu或gnss数据
   b. 插值&＃xff1a;线性插值获得和激光雷达数据时间一致的imu/gnss数据
   c. 注意&＃xff1a;这里处理完后deque里实际上只有一个数据&＃xff01;&＃xff01;
   &＃xff08;2&＃xff09;选出时间基本一致的数据
   &＃xff08;3&＃xff09;点云预处理
   a. 利用车辆运动信息&＃xff0c;消除点云运动畸变&＃xff0c;
   a. 清洗NAN数据
   b. 点云稀疏化
   &＃xff08;4&＃xff09;第一帧单独处理&＃xff0c;直接更新局部和全局地图
   &＃xff08;5&＃xff09;利用ndt匹配点云&＃xff0c;获得单步的运动变换关系
   &＃xff08;6&＃xff09;当运动距离达到一定程度&＃xff0c;就更新局部地图和全局地图

2. 这里有很多坐标系变换&＃xff0c;速度变换的东西&＃xff0c;可以仔细整理一下

1. 由于模块比较多&＃xff0c;作者重新梳理了结构&＃xff1a;
   目前有&＃xff1a;数据预处理&＃xff0c;里程计&＃xff0c;后端优化&＃xff0c;闭环检测&＃xff0c;显示五大模块
2. 在之前的基础上&＃xff0c;增加了不同的功能节点&＃xff0c;将五大功能模块划分清楚&＃xff0c;变成了不同的rosnode。
3. 每一个node都有一个flow&＃xff0c;在flow中调用核心的一些算法