激光slam入门知识总结

说明

学习知乎上任乾写的从零开始做激光slam系列，在这里总结一下收获

一. 开篇

1. 作者给出了本系列的简单介绍，包括用的传感器，平台，写作思路等等。

二. 数据集

1. 作者使用了KITTI数据集，在下载的过程中发现，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，GNSS，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，然后利用rviz就能进行原始数据效果查看了。

三. 软件框架

1. 将订阅和发布写成分开的类，同时，再按照传感器数据类型进行进一步分类
2. 功能流程：
   (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

四. 前端里程计初试

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

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

五. 前端里程计代码优化

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，不同类型的数据分开之外，也将处理方法单独列出了一些类和函数，运用了继承的方式，便于以后扩展
3. 地图关键帧存储在了硬盘上，可以节约内存空间

六. 传感器时间同步

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

2. 功能流程
   （1）接收数据放到队列里
   a. 索引：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：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：这里处理完后deque里实际上只有一个数据！！，这里是不是损失了一些可积分位置信息
   （2）选出时间基本一致的数据
   （3）点云预处理
   a. 清洗NAN数据
   b. 点云稀疏化
   （4）第一帧单独处理，直接更新局部和全局地图
   （5）利用ndt匹配点云，获得单步的运动变换关系
   （6）当运动距离达到一定程度，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，不是球面插值

七. 里程计精度评价

1. 只要把数据存储下来，然后调用evo命令就能对结果进行评价，有两种评价
   （1）每100米误差
   （2）累计误差

八. 点云畸变补偿

1. 功能流程，只变化了标黄部分
   （1）接收数据放到队列里
   a. 索引：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：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：这里处理完后deque里实际上只有一个数据！！
   （2）选出时间基本一致的数据
   （3）点云预处理
   a. 利用车辆运动信息，消除点云运动畸变，
   a. 清洗NAN数据
   b. 点云稀疏化
   （4）第一帧单独处理，直接更新局部和全局地图
   （5）利用ndt匹配点云，获得单步的运动变换关系
   （6）当运动距离达到一定程度，就更新局部地图和全局地图

2. 这里有很多坐标系变换，速度变换的东西，可以仔细整理一下

九. 建图系统结构优化

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

十.