cartographer点云匹配时为什么要重力对齐？

最新推荐文章于 2024-11-12 23:15:52 发布

可峰科技

最新推荐文章于 2024-11-12 23:15:52 发布

阅读量5.4k

点赞数 3

分类专栏： 2d_slam 文章标签：深度学习自动驾驶计算机视觉

本文链接：https://blog.csdn.net/windxf/article/details/122519114

版权

2d_slam 专栏收录该内容

100 篇文章 153 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

博客探讨了在Cartographer中点云匹配时进行重力对齐的原因。通过重力对齐，可以减少后续匹配过程中的角度查找范围，降低计算量，提升ScanMatch效率。尽管最终会恢复原始角度，但若省略这一步，由于点云数据已按此对齐处理，将导致匹配问题。因此，重力对齐在点云处理中扮演关键角色。

摘要由CSDN通过智能技术生成

AddAccumulatedRangeData里面的这行代码的含义

在这里插入代码片
  const transform::Rigid2d pose_prediction = transform::Project2D(
     non_gravity_aligned_pose_prediction * gravity_alignment.inverse());```

表面上只是重力对齐以后再处理，其实这里面还为后续的匹配与查找减轻了查找范围ÿ

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

可峰科技

关注关注

3
点赞
踩
8

收藏

觉得还不错? 一键收藏
3
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

(02)Cartographer源码无死角解析-(35) PoseExtrapolator→接口解剖，学会框架分析与架构设计

江南才尽江南山，年少无知年少狂！

12-09

1212

接下来的讲解，与前面的可能不太一样了。之前的是为了分析代码而分析代码，后续，是为了了解整体设计，而分析代码。总的来说，学习过程中，是需要递进与增加深度的。后面要教会大家的能力是如何看懂别人的代码，而不是代码为什么要这样写。通过前面一系列博客，对于点云数据的处理基本差不多了，剩下一些关于点云的核心算法，如扫描匹配等。

Cartographer源码解析：点云数据重力对齐与Z轴过滤

TechRoar的博客

09-19

270

在Cartographer的源代码中，有一个重要的函数LocalTrajectoryBuilder2D::AddRangeData，该函数实现了点云数据的重力对齐和Z轴过滤。然后，函数将点云数据从tracking坐标系转换到local坐标系，这是为了将点云数据与当前帧的状态估计进行匹配。转换的过程中，使用了重力对齐的四元数，这样可以在转换过程中考虑到重力的影响。LocalTrajectoryBuilder2D::AddRangeData函数的主要功能是将新的点云数据添加到地图中，并进行重力对齐和Z轴过滤。

3 条评论您还未登录，请先登录后发表或查看评论

一、cartographer位姿推断器分析

最新发布

weixin_42006374的博客

11-12

1175

分析cartographer的前端位姿推断器。

cartographer的重力对齐原理

ergevv的博客

03-11

1001

cartographer、重力对齐、PoseExtrapolator

(02)Cartographer源码无死角解析-(31) LocalTrajectoryBuilder2D::AddRangeData()→点云数据重力对齐,Z轴过滤

江南才尽江南山，年少无知年少狂！

11-29

1148

讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解(02)Cartographer源码无死角解析-链接如下: (02)Cartographer源码无死角解析- (00)目录_最新无死角讲解：https://blog.csdn.net/weixin_43013761/article/details/127350885 文末正下方中心提供了本人联系方式，点击本人照片即可显示WX→官方认证{\color{blue}{文末正下方中心}提供了本人 \color{red} 联系方式，\c

Vins_mono重力对齐理解

Sunshine_xiaodaxia的博客

12-29

2557

vins_mono初始化重力对齐为何R0需要补偿-yaw角度

cartographer 3D scan matching 理解

weixin_30243533的博客

05-18

732

　　cartographer 3D scan matching没有论文和其它资料，因此尝试通过源码理解其处理方法，理解不当之处还请指正。目录： 0、2D 匹配方法简介 1、real time correlative scan matcher; 2、fast correlative scan matcher; 3、ceres scan matcher; 　　论文《Real-Tim...

(02)Cartographer源码无死角解析-(52) 2D点云扫描匹配→ceres扫描匹配:CeresScanMatcher2D→栅格地图残差

江南才尽江南山，年少无知年少狂！

01-31

1320

在上一篇博客中，对ceres扫描匹配的平移与旋转优化部分进行了详细的讲解，知道关于ceres的使用核心在于禅茶的构建。疑问1\color{red}疑问1疑问1与疑问2\color{red}疑问2疑问2整合：CeresScanMatcher2D::Match()函数中，为什么平移残差优化的目标是 target_translation(由推断器或者暴力匹配获得)，为什么旋转的残差目标值设置为 ceres_pose_estimate[2]。暂且记住这两个疑问，看下接下来的分析中是否能够找到答案。

激光slam坐标系和视觉slam坐标系对齐，两个slam系统之间坐标对齐，轨迹对齐，时间戳对齐

一点儿也不萌的萌萌

10-16

6283

1. 面临的问题两个独立的SLAM系统中，常常面临一个问题，那就是一个系统上的某一个pose，对应到另一个系统中是在哪里？紧耦合的SLAM系统，不存在这个问题，比如激光雷达和相机融合的SLAM系统，它们不存在上述问题！造成这种关系不确定的最主要原因是：两个系统各自有自己的一个参考系。如果它俩在一个统一的世界参考系下，那么就不存在上述的问题。我们立马想到的一个办法是，我让两个SLAM系统同时开机运行，那么开机运行那一刻的原点不就是它们的坐标原点了嘛！但是你能保证两个SLAM系统都是一开机运行就能初

(02)Cartographer源码无死角解析-(33) LocalTrajectoryBuilder2D: 点云数据流向、处理、消息发布等→流程复盘

江南才尽江南山，年少无知年少狂！

12-05

1063

关于 LocalTrajectoryBuilder2D 有关于点云数据处理得部分已经讲解完成了，但是比较杂，比较乱，因为很多地方可能都是跳着讲解得。为了方便大家的理解，这里把相关的总要环节都复盘一下。首相再重述一下之前已经讲解过的数据系统构建过程。(1)(1)

cartographer LocalTrajectoryBuilder2D

xiaoma_bk的博客

07-23

1793

1. 所处： LocalTrajectoryBuilder2D cartographer/mapping/internal/2d/local_trajectory_build_2d.cc /.h中 LocalTrajectoryBuilder2D 类在 map_build.cc 中 AddTrajectoryBuilder 函数中被构造 2. 主要函数：函数一、AddRangeData...

【LOAM系列】六：Lio-Livox代码阅读笔记

Jeet173的博客

06-09

3444

Lio-Livox源码阅读笔记，览沃官方代码无文章

Cartographer源码阅读---点云数据的预处理

qq_41663016的博客

05-05

1664

上面参数传递, 函数调用一层一层的, 一开始看很难看懂, 真的需要自己仔仔细细捋一捋, 在这简单做个总结, 总结一下点云数据预处理中坐标的转换第一步: 进行多个雷达点云的时间同步, 此时点云的坐标是相对于tracking_frame的初始点云坐标为(10, 8)第二步: 预测出每个点云的时间戳, 通过位姿推测器推测出tracking frame 在local坐标系下的坐标.第三步: 去除运动畸变, 方法是将tracking_frame的hit坐标转化成local坐标系下的坐标。

ORBSLAM3中IMU初始化时重力方向的确定代码原理解析

诗筱涵的博客

10-07

956

下面这个速度预积分我们可以认为是基于第i帧imu系的，由于代码里是从第一个关键帧开始累加，可以认为是基于第一个imu帧坐标系了，再外乘以标定得到的相机IMU外参Tcb，那么可以认为是基于第一帧相机系的，而初始化的时候第一帧相机系就是作为世界系的，所以最终得到的可以认为是重力向量在图像世界系下的方向。会由下面代码得到重力方向的初值之后再经过优化得到更为精确的重力方向的值，所以注意下面代码得到的是一个提供给优化的初值，不是要求一开始就得到一个非常准确的值，但是偏差也不能大了。

常见不同3D激光SLAM方案对比

lovely_yoshino的博客

12-23

5588

各种方案的优缺点如下：方案优点不足ALOAM1. 在几何特征丰富时比较稳定1. 后期内存会出现爆炸，计算效率下降2. 在几何特征较少时会产生明显漂移LeGo-LOAM1. 在地面点丰富时比较稳定2. 轻量级1. 在地面点缺乏时很容易崩溃2. 得到的地图比较稀疏LINS1. 轻量级1. z方向漂移明显2. 得到的地图比较稀疏3. 目前的版本要求Lidar与IMU体坐标系的xy平面平行，不接受自己提供的外參LIO-SAM1. 存在回环检测，能较好地闭合回环2. 稳定性强。

Cartographer源码阅读2D&3D----前端自适应滤波----AdaptiveVoxelFilter()

奔跑的花的博客

09-28

833

Cartographer源码阅读2D&3D----前端自适应滤波----AdaptiveVoxelFilter() 基本原理：调用体素滤波，如果体素滤波后点数大于阈值，则返回，如果小于阈值，则接着使用二分法进行体素滤波。前端使用接口Local_Trajectory_builder.cc // 对重力对齐的点云数据进行自适应滤波 const sensor::PointCloud& filtered_gravity_aligned_point_cloud = sensor

Cartographer学习记录：手把手教你如何获取3D SLAM后端的位姿

smartfoolish的博客

03-12

2110

获取SLAM后端的位姿信息

Google Cartographer SLAM 参数调整

weixin_36976685的博客

03-11

6214

1 overview cartographer可以看作是两个独立但相关的子系统。第一个是本地SLAM（有时候也称为前端或局部轨迹构建器）。它的工作是建立一系列submap。每个submap都意味着在短时间内一致，但我们接受local SLAM随着时间的推移而漂移。大多数local SLAM选项都在install_isolated/share/cartographer/configura...

cartographer landmark优化问题

xiaoma_bk的博客

09-04

3443

一、添加landmark代价中涉及到的类型 void AddLandmarkCostFunctions( const std::map<std::string, LandmarkNode>& landmark_nodes, bool freeze_landmarks, const MapById<NodeId, NodeSpec2D>& ...

cartographer中的点云与重力对齐

05-27

在Cartographer中，点云与重力对齐是通过使用IMU（惯性测量单元）数据来实现的。IMU可以测量物体的加速度和角速度，因此可以用来估计物体的姿态。Cartographer使用IMU数据估计机器人的姿态，并将点云旋转以与重力对齐。这样，点云就可以更准确地呈现地面的形状和结构，从而提高建图的精度。