lego-loam代码阅读-- 特征提取部分

lego-loam 代码阅读记录 ------ 特征提取与关联部分:

本文对 lego-loam代码的特征提取部分进行总结，目的是方便用python复现lego-loam的特征提取以及配准过程。
最后对提取特征点的整个过程中用到的阈值进行了整理。每个函数的详细内容见：链接

1. imageProjection.cpp:

首先说明 labelMat 的定义:

• size: (64,1800) 记录了点的聚类情况：
• -1: 地面点
• 0: 初始值
• 1,2,3,…: 有效聚类点
• 999999: 无效聚类点.

各个函数说明:

projectPointCloud():

三维点云的柱面投影

groundRemoval()

标记地面点以及空点，并记录到 groundMat = 1（初始值为0）

cloudSegmentation()

这一步进行点云的分割。

1. 首先在 labelComponents() 函数中对非地面点进行平面点集聚类，结果记录在 labelMat = 1，2，3，…
2. 去除无效聚类点（无效点经过降采样后加入到outliers），将 有效聚类点、降采样后的地面点 加入到变量 segmentedCloud 中。
3. 标记该点是否为地面点，记录range、以及Col index用于后面去除遮挡点。
4. 最后，得到的分割点云以及点云的信息被传入featureAssociation类中进行处理

2. featureAssociation.cpp

各个函数说明:

calculateSmoothness():

1. 计算前5个点与后5个点范围内的曲率，并维护一个平滑度数组cloudSmoothness[], 以及cloudCurvature[]
2. 初始化 cloudNeighborPicked[] = 0 以及 cloudLabel[] = 0

markOccludedPoints():

1. 水平距离小于10的、但是距离较远（>0.3）的那些点，将远的点以及附近5个点，标记 cloudNeighborPicked = 1
2. 选择左右点之间距离变化较大的点，标记 cloudNeighborPicked = 1

extractFeatures()：

该函数实现了将四种特征提取到对应的四个特征点集合。

1. 在没有标记的（cloudNeighborPicked ==0）非地面点中按照 平滑度 提取出 20个cornerPointsLessSharp以及2个 cornerPointsSharp ，cornerPointsLessSharp中的点标记为cloudlabel = 1，cornerPointsSharp中的点标记为cloudlabel = 2。并将提取的20个点以及该点开始 前后5个点范围内与该点列坐标的差值小于10的点 均标记为已处理。
2. 在没有标记的（cloudNeighborPicked ==0）地面点中将 平滑度 小于阈值的点标记cloudLabel = -1， 并提取出4个最平滑的surfPointsFlat。 surfPointsLessFlatScan 集合包括所有cloudLabel<=0的点（平滑度小于阈值的地面点，以及不是cornerless的非地面点）。并将提取的4个点以及该4点开始 前后5个点范围内与该点列坐标的差值小于10的点 均标记为已处理（cloudNeighborPicked =1），最后将 surfPointsLessFlatScan 降采样得到surfPointsLessFlat点集。
   注意 ： surfless包含了地面点以及非地面点，surf只包含地面点。

LeGO-Loam提取特征时的阈值参数总结（不全）：

• ImageProjection::groundRemoval()：abs(angle - sensorMountAngle) <= 10则认为是地面点
• ImageProjection::labelComponents():
  • if (angle > segmentTheta) 则认为是同一平面
  • 可用聚类阈值： 30
  • 竖直方向可用聚类： 3
• FeatureAssociation::markOccludedPoints()：
  • if (columnDiff < 10) // 水平距离小于10的、但是距离较远（>0.3）的那些点，将远的点以及附近5个点标记为1
  • if (diff1 > 0.02 * segInfo.segmentedCloudRange[i] && diff2 > 0.02 * segInfo.segmentedCloudRange[i]): 瑕点阈值： 0.02
• FeatureAssociation::extractFeatures():
  • 提取cornerLess: cloudCurvature[ind] > edgeThreshold； edgeThreshold = 0.1，
  • 每个子图各2个corner点，20个cornerLess点
  • 对于符合阈值条件的点的前后各5个点, 如果columnDiff < 10 则标记为已处理
  • 提取surf: surfThreshold = 0.1
  • 每个子图各4个surf，
  • 对于符合阈值条件的点的前后各5个点, 如果columnDiff < 10 则标记为已处理
• FeatureAssociation::calculateTransformationSurf() {
  • if (deltaR < 0.1 && deltaT < 0.1) 用于判断迭代优化是否收敛。