brightming的专栏

观测函数对误差状态量的偏导公式在代码中的应用

雷达观测方程的理解

利用imu在短时间100ms内的运动，补偿雷达的运动畸变，只进行旋转方向的补偿。1、找配对数据以lidar为基准，找到包含lidar一帧的点的起始、结束时刻的imu数据。2、对这些imu数据，进行积分处理以第一个imu为基准坐标，依次积分所有的imu的数据，每个imu都得到一个对应pose。3、计算结束时刻的lidar的相对于第一个imu的姿态lidar不一定和imu的时间对齐，因此，要进行插值。找到包含这个结束时刻的最近的左边、右边的imu，得到其姿态和时间。然后利用插值的方法，插值出这个

指定欧拉角，是指按照指定的顺序，按照右乘的方式构建旋转矩阵。验证一：指定旋转矩阵，得到欧拉角，按照轴角的方式重新构建矩阵：///---------------------------// Eigen::Matrix3d rot_cl; rot_cl<<-0.00382504437037171 , 0.190218909453634 ,0.981734248929839,\ -0.999948197804418, 0.00853270673893375,

目的是利用lidar形成一帧点云时间段内的imu数据，补偿由于运动造成的lidar的畸变，能够把一帧所有的点云的坐标统一到结束时刻的坐标系下。一、算法过程假设已经得到了这一段时间的imu数据，以第一个imu的坐标为基准坐标，不断的递推计算其他时刻的imu相对于这个基准坐标的变化姿态，直到最后一个imu的数据算出最后一个姿态相对于第一个imu的坐标系的变化。这里涉及到左乘还是右乘的问题：由于imu得到的数值都是基于自身当下的坐标系的值，也就是说，是围绕这动轴在转的，需要用右乘的方式，及下一时刻的坐标姿态

aloam没有回环模块，参考lego-loam增加回环模块。一、lego loam mapping模块分析1、首先要明确几个重要转换矩阵的含义： float transformLast[6]; float transformSum[6]; float transformIncre[6]; float transformTobeMapped[6]; float transformBefMapped[6]; float transformAftMapped

1、坐标系关系类型总共有：lidar到里程计的坐标系的关系；里程计到map的坐标系的关系；lidar到map的坐标系关系；2、laserOdomerty会发布一个消息：ros::Publisher pubLaserOdometry = nh.advertise<nav_msgs::Odometry>("/laser_odom_to_init", 100);内容是：// publish odometry nav_msgs::Odometry laserOd

参考链接：http://wiki.ros.org/roslaunch/Tutorials/Roslaunch%20Nodes%20in%20Valgrind%20or%20GDB<node launch-prefix="gdb -ex run --args" pkg="livox_mapping" type="scanRegistration_m1" name="scanRegistration_m1" output="screen"></node>~/livox_ws/w

首先接触的是loam那一套，要排列成一个图像一样的阵列。对于蝴蝶式的扫描的，例如livox mid40的如何处理？https://www.livoxtech.com/mid-40-and-mid-1001、velodyne16的扫描方式的处理2、livox mid40扫描方式的处理livox mid-40 mid-100的坐标系定义：https://www.livoxtech.com/3296f540ecf5458a8829e01cf429798e/downloads/20190712/Livo

基本原理在上面的sync_packages代码中，已经拿到了符合要求的imu数据和lidar数据，现在，就基于这些数据对lidar点进行补偿，目的是补偿到结束时刻的lidar坐标系下。坐标系介绍总共有3个坐标系：全局坐标系（world）、imu坐标系（body）、lidar坐标系全局坐标系一般以开机点为原点；imu坐标系时刻在变化，是一个纯粹以imu来推理的坐标系；lidar坐标系：如果lidar与imu是刚性连接的，那么lidar坐标系与imu坐标系的转换关系就是固定的，知道了imu坐标系

ALoam使用了ceres库进行优化，得到优化后的里程计信息。学习总结：1、明确知道要优化什么：我们的目的是要知道当前雷达的姿态与上一帧的点云姿态相比的变化，即q_last_curr,t_last_curr.注意：读作curr到last的q，也就是curr在last坐标系下的旋转和位置（t可以直接看做是位置）。如果这两个量估计的很准确的话，那么将curr的点云中的每个点进行：q_last_curr*p_curr+t_last_curr会对应上last坐标系下的点。在这里，是落在last坐标系下的

1、用aloam产生地图需要录制的消息是/laser_cloud_map，在建图中进行录制：~/lidar_data$ rosrun pcl_ros bag_to_pcd out_2021-05-29-15-41-59.bag /laser_cloud_map pcdCreating directory pcdSaving recorded sensor_msgs::PointCloud2 messages on topic /laser_cloud_map to pcdGot 727936 d