基于描述符匹配的激光点云定位

目的：

• 使用纯激光点云进行实时全局定位。
• 点云的全局匹配比较困难，即使使用NDT也只能在一个先验位置附近搜索。
• NDT匹配运算量较大。
• 动态物体影响较大。

效果：

• 每次匹配在100ms左右，还有提升空间。
• 适用于小到100平米大到3000平米区域的全局匹配。
• 全局定位水平平均精度在30cm，垂直精度在60cm
• 滤波后水平平均精度在20cm，垂直精度在20cm

方法：

• 主要算法基于https://github.com/ethz-asl/segmap
• 对地图点云进行分割后，提取每个分割的描述符。
• 使用cartographer得到一个局部地图，对地图点云进行分割提取描述符后，和全局地图进行匹配。
• 描述符一共7个float，代表点云的对称度，扩散度等信息。
• 同时使用深度学习得到的描述符，其匹配能力更强，但是速度更慢。因为简单的描述符已经能够满足需求，就没有用深度学习得到的描述符。
• 适应kd-tree进行描述符匹配，得到原始匹配
• 使用ransac进行排除错误的匹配，最终得到局部地图和全局地图之间的变换关系
• 使用cartographer作为滤波器中predict的方式。
• 使用UKF融合cartographer得到相对位置和描述符匹配的到的全局位置。

挑战：

• 分割算法的前提是点云需要取出地面，尝试了地面法线提取取出，但是速度较慢。考虑到不太需要精确的去除地面，最终采用简单的通过IMU得