BALM：3D激光点云地图离线优化代码剖析

数据结构

OCTO_TREE_ROOT
其中m_nOctoState_ 1代表0(unknown), 1(mid node), 2(plane)

PointCluster包含：计算点的方差

    Eigen::Matrix3d P;
    Eigen::Vector3d v;
    int N;

IMUST
    |__ double t{};
    |__ Eigen::Matrix3d R;
    |__ Eigen::Vector3d p;
    |__ Eigen::Vector3d v;
    |__ Eigen::Vector3d bg;
    |__ Eigen::Vector3d ba;
    |__ Eigen::Vector3d g;

#define PLM(a) std::vector<Eigen::Matrix<double, a, a>, Eigen::aligned_allocator<Eigen::Matrix<double, a, a>>>

#define PLV(a) std::vector<Eigen::Matrix<double, a, 1>,Eigen::aligned_allocator<Eigen::Matrix<double, a, 1>>>

流程

cut_voxel

先找有没有相同的点->是不是平面/mid(mid是啥)/unknown，分别计算该组点原始数据和变换数据，这里有个问题，为啥要拷贝多份点云，内存哪有这么大的。。。干嘛不把位姿图和原始点云传进去

然后分别将原始点云数据和变换点云数据压入到对应关键帧的buff里，顺便计算一下该关键帧所有点云的方差和均值；

Recut

judge_eigen

TransOpt

damping_iter

GitHub - hku-mars/BALM: An efficient and consistent bundle adjustment for lidar mapping