关于A-LOAM运行时的问题,主要是将/camera_init里的破折号去掉,还有将opencv/cv.h替换为opencv2/imgproc.hpp,另外,假如出现RVIZ闪退的情况,主要是因为运行建图时筛选出的交点与面点过少的问题,可以适当降低相关参数,也可以多运行几次。
源码中的kitthelper.cpp主要是读取文件并且发布用的,读取过程中注意将点转换到点云坐标系下,以及将相关的图像从OpenCV图像转换为ROS图像,将读出的数据根据ROS节点的不同topic进行发布。
对于发布的点云会在scanRegistration处进行分析,首先去除点云中的无效点以及过近点,根据点之间的间距计算激光的间距以及点所在的激光线,然后计算点的曲率,也就是检验与附近的点相比坐标变化的大小,根据曲率对点进行排序,曲率高的点被选为角点,又一部分选为降采样角点。而曲率低的被选为面点,又一部分被选为降采样面点,同时去除附近的点。
从laserOdometry处计算位姿,检验订阅的特征点是否充足而且同步,不同步就报错,然后消除点的运动畸变,使用的是匀速模型进行估计,然后根据KD树寻找上一帧中的最近点,角点寻找两个最近的角点以计算线,然后以点和线的距离为残差。面点寻找三个最近的面点以计算面,然后以点和面的距离为残差。使用ceres库优化使残差最小并得到位姿,这里对残差以及代价函数的构建都在LidaFactor中,主要就是残差的计算以及对ceres的利用等。
然后到laserMapping处进行建图,同理检测信息的充足,实时以及同步,首先根据上次的估算对此次的位姿进行初始化,根据位移计算初始点,然后寻找相应的初始点的submap,然后调整中心点的位置,也就是将点云进行动态的移动,使中心点位置居中,然后根据中心点得到的有效的点云就可以拼接在一起,与收到的点云进行ICP优化,这里位姿的计算更加严格,角点需要五个邻近的角点做直线,还要根据PCA检测是否够直。面点需要五个邻近的面点做面,根据最小二乘法拟合以及检测面是否够平。然后对残差项根据ceres进行优化得到位姿。然后将点填充到网格中并进行过滤,每隔五帧发布一次附近的地图,每隔20帧更新一次总的地图。
以上就是A-LOAM的大致流程。