A-LOAM源码读后的一些简单的总结与备忘

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。