cartographer_pose_graph_2d

0.引言

本文主要学习了pose_Graph中的部分逻辑，特别是后端优化中的两种约束计算。

不规范类图：

部分数据结构：

节点与约束的概念

• 节点: A.tracking_frame的位姿 ; B.子图原点的位姿
• 约束: tracking_frame与子图原点间的坐标变换

1.PoseGraph2D::AddNode

1.1.GetLocalToGlobalTransform

GetLocalToGlobalTransform(trajectory_id) * constant_data->local_pose

• $T_{gl}\ast T_{ln}=T_{gn}$ ：将节点在local坐标系下的位姿转成global坐标系下的位姿
• $T_{gl}$ ：GetLocalToGlobalTransform(trajectory_id)
• $T_{ln}$：node在local map frame坐标系下的位姿

这一步主要就是将 节点 添加到 PoseGraph2D 的 PoseGraphData 中。

  // 向节点列表中添加一个新的节点
  const NodeId node_id = data_.trajectory_nodes.Append(
      trajectory_id, TrajectoryNode{constant_data, optimized_pose});

这里添加的节点位姿，实际上从前端结果可以看出，这里也有另一层含义，即包含了submap的位姿：

1.2.AppendNode

前端只维护两个submap，其他的都传到后端这边进行保存：

  // Test if the 'insertion_submap.back()' is one we never saw before.
  // 如果是刚开始的轨迹, 或者insertion_submaps.back()是第一次看到, 就添加新的子图
  if (data_.submap_data.SizeOfTrajectoryOrZero(trajectory_id) == 0 ||
      std::prev(data_.submap_data.EndOfTrajectory(trajectory_id))
              ->data.submap != insertion_submaps.back()) {
    // We grow 'data_.submap_data' as needed. This code assumes that the first
    // time we see a new submap is as 'insertion_submaps.back()'.

    // 如果insertion_submaps.back()是第一次看到, 也就是新生成的
    // 在data_.submap_data中加入一个空的InternalSubmapData
    const SubmapId submap_id =
        data_.submap_data.Append(trajectory_id, InternalSubmapData());
    
    // 保存后边的地图, 将后边的地图的指针赋值过去
    // 地图是刚生成的, 但是地图会在前端部分通过插入点云数据进行更新, 这里只保存指针
    // tag: 画图说明一下
    data_.submap_data.at(submap_id).submap = insertion_submaps.back();
    LOG(INFO) << "Inserted submap " << submap_id << ".";
    kActiveSubmapsMetric->Increment();
  }

地图这种数据量大的都是传的指针，只开辟一次内存，cartographer的内存管理做得十分的好。

submap只有前端会更改，后端不会，那这样的话，前端没优化的位姿的地图是不准确的，地图是在哪儿进行优化的？

1.3.AddWorkItem

在 添加子图修剪器 AddTrimmer AddImuData AddOdometryData AddFixedFramePoseData AddLandmarkData等外部接口函数（Global中进行调用）中都调用了这个函数。

AddWorkItem() 实参中这个 lambda表达式实际上没有立即执行，而是加入到任务调度里面。

• work_queue_ 任务调度
• thread_pool_ 线程池

TODO： 待学习。

在 PoseGraph2D::AddNode 加入线程池过后，就在DrainWorkQueue in 线程池中循环执行。

2.ComputeConstraintsForNode子图内约束计算

• 1.获取 node 的 constant_data:

• 2.获取 trajectory_id 下的正处于活跃状态下的子图的SubmapId : InitializeGlobalSubmapPoses
  A).data_.global_submap_poses_2d: 全都是优化后的子图在global坐标系下的pose
  B).optimization_problem_->submap_data(): 包含了优化后和还没有进行优化的 子图在global坐标系下的pose
  C).ComputeLocalToGlobalTransform()这个函数的参数, 始终都是data_.global_submap_poses_2d, 计算的是优化后的global指向local的坐标变换.

约束：

  // 包含了子图的id, 节点的id, 节点j相对于子图i的坐标变换, 以及节点是在子图内还是子图外的标志
  struct Constraint {
    struct Pose {
      transform::Rigid3d zbar_ij;
      double translation_weight;
      double rotation_weight;
    };

    SubmapId submap_id;  // 'i' in the paper.
    NodeId node_id;      // 'j' in the paper.

    // Pose of the node 'j' relative to submap 'i'.
    Pose pose;

    // Differentiates between intra-submap (where node 'j' was inserted into
    // submap 'i') and inter-submap constraints (where node 'j' was not inserted
    // into submap 'i').
    enum Tag { INTRA_SUBMAP, INTER_SUBMAP } tag;
  };

图自

cartographer后端约束类型：

3.ComputeConstraints子图间约束计算（回环检测）

两种子图间的约束调用的是同一个函数，都是 node <--> submap. 其中 for 循环中的一步：

• 节点与子图的一部分进行匹配 ConstraintBuilder2D::MaybeAddConstraint (建图时只会执行这块, 通过局部搜索进行回环检测)

• 节点与全子图进行匹配 ConstraintBuilder2D::MaybeAddGlobalConstraint ( 定位时才有可能执行这块)

主要逻辑流转到了（一个node与一个submap进行匹配）：

/**
 * @brief 计算节点和子图之间的一个约束(回环检测)
 *        用基于分支定界算法的匹配器进行粗匹配,然后用ceres进行精匹配
 * 
 * @param[in] submap_id submap的id
 * @param[in] submap 地图数据
 * @param[in] node_id 节点id
 * @param[in] match_full_submap 是局部匹配还是全子图匹配
 * @param[in] constant_data 节点数据
 * @param[in] initial_relative_pose 约束的初值
 * @param[in] submap_scan_matcher 匹配器
 * @param[out] constraint 计算出的约束
 */
void ConstraintBuilder2D::ComputeConstraint(
    const SubmapId& submap_id, const Submap2D* const submap,
    const NodeId& node_id, bool match_full_submap,
    const TrajectoryNode::Data* const constant_data,
    const transform::Rigid2d& initial_relative_pose,
    const SubmapScanMatcher& submap_scan_matcher,
    std::unique_ptr<ConstraintBuilder2D::Constraint>* constraint) {

• Step:1 得到节点在local frame下的坐标
• Step:2 使用基于分支定界算法的匹配器进行粗匹配（论文创新点，单独起文学习），如果得分过低，不再执行精匹配，直接返回
• Step:3 使用ceres进行精匹配, 就是前端扫描匹配使用的函数
• Step:4 获取节点到submap坐标系原点间的坐标变换
• Step:5 返回计算后的约束

回环检测这里包含两种模式：

• // param: global_localization_min_score 对整体子图进行回环检测时的最低分数阈值 0.6 （纯定位）
• // param: min_score 对局部子图进行回环检测时的最低分数阈值 0.55