VINS-Mono代码详解 ——— （1）启动文件euroc.launch + 参数配置文件euroc_config.yaml
一、启动文件euroc.launch
启动文件euroc.launch：为了一次运行多个node。
1. 文件位置
2. 文件内容
2.1 launch文件语法
-
pkg=package名字(在
package.xml定义)
-
type=可执行文件名字(在
CMakeLists.txt定义）
2.2 设置局部变量"config_path"，表示euroc_config.yaml的具体地址；
<arg name="config_path" default = "$(find feature_tracker)/../config/euroc/euroc_config.yaml" />
<arg name="vins_path" default = "$(find feature_tracker)/../config/../" />
设置局部变量"vins_path"，在parameters.cpp中使用鱼眼相机mask中用到：
std::string VINS_FOLDER_PATH = readParam<std::string>(n, "vins_folder");
if (FISHEYE == 1)
FISHEYE_MASK = VINS_FOLDER_PATH + "config/fisheye_mask.jpg";
2.3 启动"feature_tracker"节点，在该节点中需要读取参数文件，地址为config_file，即config_path；
<node name="feature_tracker" pkg="feature_tracker" type="feature_tracker" output="log">
<param name="config_file" type="string" value="$(arg config_path)" />
<param name="vins_folder" type="string" value="$(arg vins_path)" />
</node>
2.4 启动"vins_estimator"节点，内容同上；
<node name="vins_estimator" pkg="vins_estimator" type="vins_estimator" output="screen">
<param name="config_file" type="string" value="$(arg config_path)" />
<param name="vins_folder" type="string" value="$(arg vins_path)" />
</node>
2.5 启动"pose_graph"节点，除了参数配置文件的地址外还设置了4个参数：
<node name="pose_graph" pkg="pose_graph" type="pose_graph" output="screen">
<param name="config_file" type="string" value="$(arg config_path)" />
<param name="visualization_shift_x" type="int" value="0" />
<param name="visualization_shift_y" type="int" value="0" />
<param name="skip_cnt" type="int" value="0" />
<param name="skip_dis" type="double" value="0" />
</node>
visualization_shift_x和visualization_shift_y表示在进行位姿图优化后，对得到的位姿在x坐标和y坐标的偏移量（一般都设为0）；
geometry_msgs::PoseStamped pose_stamped;
pose_stamped.header.stamp = ros::Time(cur_kf->time_stamp);
pose_stamped.header.frame_id = "world";
pose_stamped.pose.position.x = P.x() + VISUALIZATION_SHIFT_X;
pose_stamped.pose.position.y = P.y() + VISUALIZATION_SHIFT_Y;
pose_stamped.pose.position.z = P.z();
skip_cnt在pose_graph_node的process()中，表示每隔skip_cnt个图像帧才进行一次处理；
skip_dis也在pose_graph_node的process()中，目的是将距上一帧的时间间隔超过SKIP_DIS的图像创建为位姿图中的关键帧。
二、参数配置文件euroc_config.yaml
1. 文件位置
2. 文件内容
%YAML:1.0
#common parameters
imu_topic: "/imu0"
image_topic: "/cam0/image_raw"
output_path: "/home/shaozu/output/"
#camera calibration
model_type: PINHOLE
camera_name: camera
image_width: 752
image_height: 480
distortion_parameters:
k1: -2.917e-01
k2: 8.228e-02
p1: 5.333e-05
p2: -1.578e-04
projection_parameters:
fx: 4.616e+02
fy: 4.603e+02
cx: 3.630e+02
cy: 2.481e+02
# Extrinsic parameter between IMU and Camera.
#IMU与摄像机之间的外部参数。
estimate_extrinsic: 0 # 0 Have an accurate extrinsic parameters. We will trust the following imu^R_cam, imu^T_cam, don't change it.
# 1 Have an initial guess about extrinsic parameters. We will optimize around your initial guess.
# 2 Don't know anything about extrinsic parameters. You don't need to give R,T. We will try to calibrate it. Do some rotation movement at beginning.
#If you choose 0 or 1, you should write down the following matrix.
#Rotation from camera frame to imu frame, imu^R_cam
# 0 有一个精确的外部参数。 我们会信任下面的imu和r_cam，imu和t_cam，不要改变它。
# 1 对外部参数有初步的猜测。 我们将围绕您的初步猜测进行优化。
# 2 对外界参数一无所知。 你不需要给R，T。 我们会试着校准的。 开始时做一些旋转动作。
# 如果你选择0或1，你应该写下下面的矩阵。
# 从相机架旋转到imu架、imu^r_cam
extrinsicRotation: !!opencv-matrix
rows: 3
cols: 3
dt: d
data: [0.0148655429818, -0.999880929698, 0.00414029679422,
0.999557249008, 0.0149672133247, 0.025715529948,
-0.0257744366974, 0.00375618835797, 0.999660727178]
#Translation from camera frame to imu frame, imu^T_cam
#从相机到imu的转换，imu^T_cam
extrinsicTranslation: !!opencv-matrix
rows: 3
cols: 1
dt: d
data: [-0.0216401454975,-0.064676986768, 0.00981073058949]
#feature traker paprameters
#特征跟踪参数
max_cnt: 150 # max feature number in feature tracking
# 进行特征光流跟踪时保持的最大特征点数量
min_dist: 30 # min distance between two features
# 两个相邻特征之间像素的最小间隔
freq: 10 # frequence (Hz) of publish tracking result. At least 10Hz for good estimation. If set 0, the frequence will be same as raw image
# (赫兹) 发布跟踪结果。 至少10Hz，以获得良好的估计。 如果设置为0，频率将与原始图像相同
F_threshold: 1.0 # ransac threshold (pixel)
# ransac阈值 (像素)
show_track: 1 # publish tracking image as topic
# 发布跟踪图像作为主题
equalize: 1 # if image is too dark or light, trun on equalize to find enough features
# 如果图像太暗或太亮，按直方图均衡化查找足够的特征
fisheye: 0 # if using fisheye, trun on it. A circle mask will be loaded to remove edge noisy points
# 如果用鱼眼，就转动它。 将加载一个圆形掩码以消除边缘噪声点
# 鱼眼相机一般需要圆形的mask，以去除外部噪声点。mask图在config文件夹中。
#optimization parameters
#优化参数
max_solver_time: 0.04 # max solver itration time (ms), to guarantee real time
# ceres优化器的最大迭代时间，以保证实时性。
max_num_iterations: 8 # max solver itrations, to guarantee real time
# ceres优化器的最大迭代次数，以保证实时性。
keyframe_parallax: 10.0 # keyframe selection threshold (pixel)
# 关键帧选择阈值 (像素)
#imu parameters The more accurate parameters you provide, the better performance
#imu参数 您提供的参数越准确，性能越好
acc_n: 0.08 # accelerometer measurement noise standard deviation. #0.2 0.04
# 加速度传感器测量噪声标准差
gyr_n: 0.004 # gyroscope measurement noise standard deviation. #0.05 0.004
# 陀螺仪测量噪声标准差
acc_w: 0.00004 # accelerometer bias random work noise standard deviation. #0.02
# 加速度计偏置随机噪声标准差
gyr_w: 2.0e-6 # gyroscope bias random work noise standard deviation. #4.0e-5
# 随机噪声标准偏差
g_norm: 9.81007 # gravity magnitude
# 重力大小
#loop closure parameters
#闭环参数
loop_closure: 1 # start loop closure
# 使用闭环
load_previous_pose_graph: 0 # load and reuse previous pose graph; load from 'pose_graph_save_path'
# 加载并重用前一个pose图；pose_graph_save_pathe的负载
fast_relocalization: 0 # useful in real-time and large project
# 可用于实时大型项目
pose_graph_save_path: "/home/shaozu/output/pose_graph/" # save and load path
# 储存及载入路径
#unsynchronization parameters
#在线时差校准
estimate_td: 0 # online estimate time offset between camera and imu
# 摄像机与imu之间的在线估计时间偏移
td: 0.0 # initial value of time offset. unit: s. readed image clock + td = real image clock (IMU clock)
# 时间偏移的初始值。 单位：s。readed图像时钟+td=real image时钟 (IMU时钟)
#rolling shutter parameters
# 支持卷帘相机
rolling_shutter: 0 # 0: global shutter camera, 1: rolling shutter camera
# 0表示全局曝光相机；设置为1表示卷帘曝光相机
rolling_shutter_tr: 0 # unit: s. rolling shutter read out time per frame (from data sheet).
# 单位：s 卷动快门读出时间 (来自数据表)
#visualization parameters
# 可视化参数
save_image: 1 # save image in pose graph for visualization prupose; you can close this
function by setting 0
# 将图像保存在体位图中，实现可视化保存；您可以通过设置0关闭此函数
visualize_imu_forward: 0 # output imu forward propogation to achieve low latency and high frequence results
# 输出imu前馈实现低延迟、高频率的效果
visualize_camera_size: 0.4 # size of camera marker in RVIZ
# 摄像机标记在RVIZ中的尺寸
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
