cartographer_pose_extrapolator
0.引言
PoseExtrapolator 主要用于前端里程计:
- 进行畸变去除
- 点云处理时估计重力 EstimateGravityOrientation()
- 提供scanMatcher位姿的预测值 extrapolator_->ExtrapolatePose()
PoseExtrapolator主要思想: 采用匀速运动学模型预测未来时间time处的pose. 而匀速运动学模型的平移速度(线速度)是由
- 1.里程计或者
- 2.两次scanmatch结果的微分得到,并优先采用里程计的数据.
角速度是由
- 1.采用两次scan-match的航向进行微分获得
- 2.里程计
- 3.直接用IMU的角速度测量,优先级最高
私有变量:
- 姿态预测相关
imu_tracker_ 只在添加位姿时更新, 用于保存添加校位姿准时的姿态
odometry_imu_tracker_ 只在添加位姿时更新, 用于根据里程计数据计算线速度时姿态的预测
extrapolation_imu_tracker_ 只在添加位姿时更新, 用于位姿预测时的姿态预测 - 通过里程计计算的线速度与角速度
linear_velocity_from_odometry_ 只在添加里程计数据时更新, 用于位姿预测时的平移量预测
angular_velocity_from_odometry_ 只在添加里程计数据时更新, 用于不使用imu数据时的imu_tracker_的角速度的更新 - 通过pose计算的线速度与角速度
linear_velocity_from_poses_ 只在添加位姿时更新, 用于位姿预测时 不使用里程计数据时 平移量的预测
angular_velocity_from_poses_ 只在添加位姿时更新, 用于 不使用里程计数据时 的imu_tracker_的角速度的更新 - 传感器数据队列的个数
imu_date_ 队列数据的个数最少是1个
odometry_data_ 队列数据的个数最少是2个, 所以, odometry_data_.size() < 2 就意味着不使用里程计
timed_pose_queue_ 队列数据的个数最少是2个
数据结构:
// 保存一定时间内的pose
const common::Duration pose_queue_duration_; // 时间差 0.001s
struct TimedPose {
common::Time time;
transform::Rigid3d pose;
};
std::deque<TimedPose> timed_pose_queue_;
std::deque<sensor::ImuData> imu_data_;
struct OdometryData {
common::Time time;
transform::Rigid3d pose;
};
std::deque<sensor::OdometryData> odometry_data_;
1.添加观测
1.1. AddImuData
向imu数据队列中添加imu数据,并进行数据队列的修剪 TrimImuData();
1.2. AddOdometryData
向odom数据队列中添加odom数据,并进行数据队列的修剪 TrimOdometryData();
,并计算角速度与线速度.
从 odometry_data_ 里面取出最老的与最新的两帧的数据。
// 根据位姿队列中最后一个位姿 乘以 上次添加位姿时的姿态预测到time时刻的姿态变化量
// 得到预测的 最新里程计数据时刻 tracking frame 在 local 坐标系下的姿态
const Eigen::Quaterniond orientation_at_newest_odometry_time =
timed_pose_queue_.back().pose.rotation() *
ExtrapolateRotation(odometry_data_newest.time,
odometry_imu_tracker_.get());
// 将tracking frame的线速度进行旋转, 得到 local 坐标系下 tracking frame 的线速度
linear_velocity_from_odometry_ =
orientation_at_newest_odometry_time *
linear_velocity_in_tracking_frame_at_newest_odometry_time;
2.状态量的更新与校准AddPose
将扫描匹配后的pose加入到pose队列中,计算线速度与角速度,并将imu_tracker_的状态更新到time时刻. 主要参考文章
void PoseExtrapolator::AddPose(const common::Time time,
const transform::Rigid3d& pose)
- step 1 如果imu_tracker_没有初始化就先进行初始化
if (imu_tracker_ == nullptr) { common::Time tracker_start = time; if (!imu_data_.empty()) { tracker_start = std::min(tracker_start, imu_data_.front().time); } // imu_tracker_的初始化 imu_tracker_ = absl::make_unique<ImuTracker>(gravity_time_constant_, tracker_start); }
- step 2 在timed_pose_queue_中保存pose 并 修剪数据
timed_pose_queue_.push_back(TimedPose{time, pose}); // 保持pose队列中第二个pose的时间要大于 time - pose_queue_duration_ while (timed_pose_queue_.size() > 2 && // timed_pose_queue_最少是2个数据 timed_pose_queue_[1].time <= time - pose_queue_duration_) { timed_pose_queue_.pop_front(); }
2.1. UpdateVelocitiesFromPoses
根据timed_pose_queue_中的数据(包含刚新加入的pose)计算线速度与角速度.
2.3.AdvanceImuTracker
/**
* @brief 更新imu_tracker的状态, 并将imu_tracker的状态预测到time时刻
*
* @param[in] time 要预测到的时刻
* @param[in] imu_tracker 给定的先验状态
*/
void PoseExtrapolator::AdvanceImuTracker(const common::Time time,
ImuTracker* const imu_tracker) const {
// 将imu_tracker_更新到time时刻
AdvanceImuTracker(time, imu_tracker_.get());
2.3.1.不使用imu 或者 预测时间之前没有imu数据的情况
在time之前没有IMU数据, 因此我们推进ImuTracker, 并使用姿势和假重力产生的角速度来帮助2D稳定
-
step 1 预测当前时刻的姿态与重力方向
imu_tracker->Advance(time);
// 根据预测出的姿态变化量,预测旋转后的线性加速度的值 gravity_vector_ = rotation.conjugate() * gravity_vector_;
为什么要对旋转求逆??
-
step 2 使用 假的重力数据对加速度的测量进行更新。
imu_tracker->AddImuLinearAccelerationObservation(Eigen::Vector3d::UnitZ());
// 指数滑动平均法 exponential moving average // Step: 1 求delta_t, delta_t初始时刻为infinity, 之后为time_-last_linear_acceleration_time_ const double delta_t = last_linear_acceleration_time_ > common::Time::min() ? common::ToSeconds(time_ - last_linear_acceleration_time_) : std::numeric_limits<double>::infinity(); last_linear_acceleration_time_ = time_; // Step: 2 求alpha, alpha=1-e^(-delta_t/10) // delta_t越大, alpha越大 const double alpha = 1. - std::exp(-delta_t / imu_gravity_time_constant_); // Step: 3 将之前的线加速度与当前传入的线加速度进行融合, 这里采用指数滑动平均法 // 指数来确定权重, 因为有噪声的存在, 时间差越大, 当前的线性加速度的权重越大 // 这里的gravity_vector_改成线性加速度更清晰一些 gravity_vector_ = (1. - alpha) * gravity_vector_ + alpha * imu_linear_acceleration; // Change the 'orientation_' so that it agrees with the current // 'gravity_vector_'. // Step: 4 求得 线性加速度的值 与 由上一时刻姿态求出的线性加速度 间的旋转量 const Eigen::Quaterniond rotation = FromTwoVectors( gravity_vector_, orientation_.conjugate() * Eigen::Vector3d::UnitZ()); // Step: 5 使用这个旋转量来校准当前的姿态 orientation_ = (orientation_ * rotation).normalized();
-
step 3 使用从pose 或 从odom 计算得到的角速度进行测量值的更新
imu_angular_velocity_ = imu_angular_velocity;
2.3.2.有 imu 数据的情况
- step 1 imu_tracker的时间比imu数据队列中第一个数据的时间早, 就先预测到imu数据队列中第一个数据的时间.
if (imu_tracker->time() < imu_data_.front().time) { // Advance to the beginning of 'imu_data_'. imu_tracker->Advance(imu_data_.front().time); }
- step 2 利用 imu数据依次更新状态直至 当前时刻。
// 在imu数据队列中找到第一个时间上 大于等于 imu_tracker->time() 的数据的索引 auto it = std::lower_bound( imu_data_.begin(), imu_data_.end(), imu_tracker->time(), [](const sensor::ImuData& imu_data, const common::Time& time) { return imu_data.time < time; }); // 然后依次对imu数据进行预测, 以及添加观测, 直到imu_data_的时间大于等于time截止 while (it != imu_data_.end() && it->time < time) { // 预测出当前时刻的姿态与重力方向 imu_tracker->Advance(it->time); // 根据线速度的观测,更新重力的方向,并根据重力的方向对上一时刻预测的姿态进行校准 imu_tracker->AddImuLinearAccelerationObservation(it->linear_acceleration); // 更新角速度观测 imu_tracker->AddImuAngularVelocityObservation(it->angular_velocity); ++it; } // 最后将imu_tracker的状态预测到time时刻 imu_tracker->Advance(time);
2.4.修剪数据
// pose队列更新了,之前imu及里程计数据已经过时了
// 因为pose是匹配的结果,之前的imu及里程计数据是用于预测的,现在结果都有了,之前的用于预测的数据肯定不需要了
TrimImuData();
TrimOdometryData();
// 用于根据里程计数据计算线速度时姿态的预测
odometry_imu_tracker_ = absl::make_unique<ImuTracker>(*imu_tracker_);
// 用于位姿预测时的姿态预测
extrapolation_imu_tracker_ = absl::make_unique<ImuTracker>(*imu_tracker_);
3.位姿预测
3.1.ExtrapolatePose
预测得到time时刻 tracking frame 在 local 坐标系下的位姿
- ExtrapolateTranslation预测平移
- ExtrapolateRotation预测旋转
3.2.EstimateGravityOrientation
预测得到time时刻 tracking frame 在 local 坐标系下的姿态,利用 imu_tracker 进行预测:
ImuTracker imu_tracker = *imu_tracker_;
// 使得 imu_tracker 预测到time时刻
AdvanceImuTracker(time, &imu_tracker);
3.3.ExtrapolatePosesWithGravity
获取一段时间内的预测位姿的结果.