LIO-SAM超级详细源码流程图

0 写在前面

本系列文章是对LIO-SAM源码的学习总结，难免有错漏之处，如果哪里有问题欢迎私聊或者留言指出，感激不尽。

LIO代码已经完整阅读了，还需要对其进行消化总结，后续的文章会在这个专栏持续更新，能点个关注最好啦，关注不迷路^_^，整个流程图在最下面，童叟无欺

1 概述

 上图来自LIO-SAM的论文，为整个系统关键的因子图，总体来看，变量结点为机器人的位姿（包含旋转和平移），因子有:1)Lidar Odometry 2)imu preintegration 3)gps 4)loop closure等四种因子。

总的来说LIO-SAM的源码就是在不停的计算上面提到的四种因子，并将其按照一定的规律添加到因子图中，进行优化然后更新，一直这样循环往复的过程。读者要理解好这个过程，在这样的宏观框架下去进行阅读和理解，就会容易很多。下面简单说一下除GPS外三种因子约束的构建：

2 因子约束的构建

1 lidar odometry

LIO激光里程计的处理类似于LOAM，也是对点云提取角点和面点，对于角点和面点分别将点到直线、点到面的距离作为损失函数，利用非线性优化的方法迭代获取优化后的位姿；优化的初始值由imu里程计提供（或者imu数据）

2 imu preintegration

imu预积分使用了来自激光里程计的位姿估计，利用其进行初始化，并且其也作为imu部分因子图的一个因子参与到因子图的求解当中去。除此之外imu偏置也作为一个因子参与优化，偏置更新后要进行重传播

3 回环检测

LIO的回环使用的是基于欧式距离的方法，对关键帧查找与其相邻的关键帧计算其距离，当距离小与一定的阈值则认为是回环，然后利用icp匹配，获取位姿变换添加到因子图。

3 代码结构

这里代码看的是详细中文注释的版本，注释写得很不错，地址如下：

GitHub - smilefacehh/LIO-SAM-DetailedNote: LIO-SAM源码详细注释，3D SLAM融合激光、IMU、GPS

如图所示为代码文件结构、核心文件为src下面的四个cpp文件，我主要是对这四个文件进行讲解。按照从上到下的顺序讲解。各个文件的主要功能如下图所示。

​

4 上图

整个图直接拿去，慢慢看哈哈哈喜欢的话点个赞，点个关注