点击上方“AI算法修炼营”,选择加星标或“置顶”
标题以下,全是干货
项目链接地址:https://github.com/Little-Potato-1990/localization_in_auto_driving
(后台回复【定位】即可获得完整的项目代码以及文档说明。)
博客专栏地址:https://zhuanlan.zhihu.com/c_1114864226103037952
(点击文章最下方阅读原文,即可获得项目详细教程)
项目总目录
1 | 开篇 |
2 | 数据集 |
3 | 软件框架 |
4 | 前端里程计之初试 |
5 | 前端里程计之代码优化 |
6 | 传感器时间同步 |
7 | 里程计精度评价 |
8 | 点云畸变补偿 |
9 | 建图系统结构优化 |
10 | 后端优化 |
11 | 闭环修正 |
12 | 前端里程计扩展 |
13 | 关于建图的讨论 |
14 | 基于地图的讨论 |
15 | 总结 |
一、这个系列包含哪些内容?
按照时间先后主要包括以下几个模块的实现:
1)3D激光SLAM
包括激光点云地图的建立与基于点云地图的定位。
建图又包括室外大场景建图与室内场景建图,区别是室外大场景必须借助RTK作为约束才能建立精确地图,室内场景由于没有RTK信号,则需要寻找其他约束才能建立闭合地图,比如闭环检测等。
2)点云地图定位基础上添加 IMU 、GNSS、轮速计等信息
仅依赖激光雷达定位,容易受外界环境影响,比如雷达被遮挡,或者进入了空旷地带,所以需要寻找在特性上和它互补的传感器做融合。
3)组合导航
此处组合导航是指“IMU+GNSS”的组合(轮速计一般作为附加项供用户选择,此处我们也会介绍相应的融合方法)。理论上,有了“点云地图定位+IMU+GNSS”的融合,就不再需要“IMU+GNSS”的组合导航系统了,此处仍然把它作为一个模块来做,是由自动驾驶的现状决定的,具体来讲就包括这样几个方面:
早期自动驾驶很多借助于组合导航系统来做定位,导致后来转成多传感器融合以后,很多都是购买一套“IMU+GNSS”的导航系统成品,然后再在此基础上加上雷达定位做融合。所以对组合导航的原理和具体实现做深入了解是很有必要的。
有些场景下的自动驾驶是使用雷达做定位的,所以这时候即使自己开发,能使用的传感器也只是IMU、GNSS、轮速计这些,所以这仍然是组合导航的范畴。
4)后处理
诺瓦泰的PP7在自动驾驶里的出镜率很高,如果使用过,那么对它的后处理软件“IE”应该也不陌生。后处理这个东西简单来讲就是给融合系统增加了将来视角,它会根据采集的数据对历史时刻的导航结果做修正,这样做的主要目的是在建立地图的时候使用,以对点云的位姿进一步优化,获得更高的地图精度。
二、各个模块的介绍会深入到什么程度?
如果做过实际工程项目的应该了解一点,那就是实际工程效果的提升多数是因为一些小的工程技巧,而不是原理上的突破。本系列只会介绍对应的基本原理及其实现,而不会介绍太多工程技巧。
三、这个系列的风格特点
面向读者的输出是什么样的风格,取决于以哪些人作为目标读者。
本系列面向的实际是初学者,或者对以上各模块中的一块有了解,对其他模块接触较少的读者。(看到这里,求各位大佬别出门就走,也恳请各位能加个关注,在以后专栏更新的过程中多提宝贵意见)
所以本系列文章以及代码的开发会有以下特点:
1)会横向对比多种方法
比如激光SLAM的前端会使用ndt、icp、特征匹配等方式各实现一遍,滤波会对比卡尔曼滤波、粒子滤波等方法,后端优化也会使用g2o、gtsam、ceres各实现一遍去对比,通过对比我们才能知道他们之间的区别,进而在以后的使用中知道在什么情况下选用什么方法。
2)会展示完整过程
我们在软件开发过程中,会逐渐地发现问题、解决问题,直到开发结束,得到一个成熟的系统,这个系统的框架和开发之前的设计会有很大差别。这时候如果再让你开发一套类似的系统,你可能会直接按照以前的经验,就直接设计一套成熟的框架了。
这里的展示完整过程是指,我之前设计过这类系统,但是在本系列里,我不想直接给出最终的成熟框架,而是更倾向于再展示一遍第一次开发时遇到的那些问题。这是因为对于没有开发过这类系统的读者来讲,直接给他一个成熟框架,它可能用起来顺手,但是它不清楚为什么这么写,而我们从最简单的想法开始写起,随着进度的推进,系统的逐渐扩大,遇到问题时我们再针对问题去改进之前的简单框架,这样所有的读者就会知其然而且知其所以然,明白框架中每一个设计细节背后的原因。
这会导致一个问题,就是各个时期的版本在架构上可能会差距比较大,代码读起来要多花些精力,可能会默默在心里飙脏话,这也是我要重点解释这一点的原因。
3)使用ROS作为调试环境
对于ROS的各种诟病想必各位也都了解,很多公司如果人手足够,都自己开发框架了。这里仍然使用它来作为调试环境,是因为如果抛弃ROS就要自己写环境,包括显示系统等,也就是要自己造轮子,而这个轮子其实和我们重点介绍的融合算法关系不大,我希望我们能把主要精力用在算法上。
目标检测系列
视觉注意力机制系列
语义分割系列
基础积累系列
自动驾驶学习笔记系列
竞赛与工程项目分享系列
SLAM系列