hdl_graph_slam 源码阅读笔记

最新推荐文章于 2024-08-10 07:02:08 发布

sunqin_csdn

最新推荐文章于 2024-08-10 07:02:08 发布

阅读量276

点赞数

分类专栏： SLAM

本文链接：https://blog.csdn.net/sunqin_csdn/article/details/106574714

版权

这篇博客详细解读了hdl_graph_slam的源码，涉及点云匹配方法如ICP、GICP、NDT在registration.cpp中的应用。在prefiltering_nodelet.cpp中，介绍了点云降采样处理。scan_matching_odometry_nodelet.cpp通过选择的匹配方法获取相对位姿，用于构建全局odom。floor_detection_nodelet.cpp则实现了地面检测功能。hdl_graph_slam_nodelet.cpp将这些组件整合，通过flush_floor_queue()、map_points_publish_timer_callback()和optimization_timer_callback()进行关键帧存储、地图生成和图优化。同时，介绍了loop_detector.hpp中闭环检测的候选帧挑选与匹配过程。

摘要由CSDN通过智能技术生成

src/hdl_graph_slam/registration.cpp :
初始化匹配对象，提供可供选择的点云匹配方法（ICP，GICP，NDT）。

apps/prefiltering_nodelet.cpp :
接收名为 “velodyne_points” 的点云消息，降采样之后再以 “filtered_points” 的消息发布出去。
降采样方法包括： pcl::VoxelGrid，pcl::ApproximateVoxelGrid，NONE(不降采样)三种方式可选。

apps/scan_matching_odometry_nodelet.cpp :
根据选择的匹配方法，获取相应的对象，接收 “filtered_points” 点云 —> ScanMatchingOdometryNodelet::cloud_callback —> Eigen::Matrix4f pose = matching(stamp, cloud);
在 matching 方法中：
根据选择的点云匹配方法，将当前帧与关键帧进行匹配，得到相对位姿，通过相对位姿拼接，得到全局的 odom，将其发布出去，并作为函数值返回。（是点云SLAM前端配准过程）
关于这里关键帧的选取，if(delta_trans > 0.25 || delta_angle > 0.15 || delta_time > 1.0) 则更新关键帧，这三个阈值可在参数中设置。

apps/floor_detection_nodelet.cpp :
接收 “filtered_points” 点云 —> FloorDetectionNodelet::cloud_callback —> boost::optionalEigen::Vect