目的:
- 把lidar采集到的一圈一圈的点云组合成全局点云
细节:
- 使用LOAM
- LOAM算法严重依赖lidar扫描的时序。也就是如果换了一种lidar,算法的改动比较大。但是因为LOAM使用特征进行匹配,精度上比Cartography高。
- 如果用的Velodyne 16线。github上有一个叫Lego LOAM的程序可以直接用。不过这个程序和IMU的结合不好,也没有考虑运动畸变。就是简单的把雷达的一个scan当作同一时间的数据使用。所以在高速运动的时候精度很差。
- 原版的LOAM不是针对velodyne 16线,所以需要比较大的改动,没有集成IMU,不过考虑的运动畸变。
- 使用Cartography
- Cartography在水平面的精度还不错,但是高度的精度和IMU的关系很大。
- 因为Cartography是投影到2d的网格上面做的匹配。
- 离线使用Cartography生成地图,需要做较大改动。要给回环检测和BA更多的资源。
- 并且Cartography还可以用到非lidar的点云匹配,比如稠密视觉点云,RGBD相机等。
结果:
- 采集100平米的室内场景建图,精度在10cm以下(使用测绘方法获得一些关键点的真值(40个点),然后和计算的轨迹做线性对齐。然后看对齐后的平均误差)
- 采集1000平米的室外场景建图精度肉眼看还不错(比高精度INS得到的轨迹精确)