# esikf_slam

**Repository Path**: learing8hard/esikf_slam

## Basic Information

- **Project Name**: esikf_slam
- **Description**: 本仓库是基于esikf实现的slam方案，仅做学习使用。
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2022-07-13
- **Last Updated**: 2023-04-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# esikf_slam

#### 软件架构
软件架构说明


#### 安装教程

1.  xxxx
2.  xxxx
3.  xxxx

#### 使用说明

1.  xxxx
2.  xxxx
3.  xxxx

#### 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request


## 问题
### imu的测量值不是仅仅将旋转转成lidar坐标系就完事了，还要考虑平移。
### 使用数据求协方差，迭代公式不懂
协方差是近似推导得到的迭代求解公式
### r3live改了livox的驱动
### imu数据确实需要判断是否是帧间的数据，不然会出现帧间累计大量imu数据的情况
### 正常来说，eskf滤波起码能获得一定建图效果。因此，需要排查是不是代码实现问题。
### imu积分容易出现问题
如果imu积分出问题，则容易导致后面的估计震荡
imu数据一定要连续，时间间隔不能太长，会导致有问题。
imu和lidar帧通过一个线程了同步
### 重力可能用S2流形建模才更好。
### fast lio中对加速度测量值进行调制，可以处理，去除重力以及没有去除重力的imu的情况
acc_avr     = acc_avr * G_m_s2 / mean_acc.norm(); // - state_inout.ba;
### 应该还是更新的时侯出了问题。
变换点云然后求该点到地图点云的距离，是对应h(x) - y。  
可以使用delta_x = Kk*(y-h(x))的公式，但是，就是结果不是特别好。
### 左右乘雅可比计算错误会导致，开始正确，但是旋转到某一位置就会飞
### 雅克矩阵推导，什么时候乘在左边，什么时候乘在右边？
### kdtree树时间相对来说，不够快
### 设置一些编译优化项后就很快了
### 去除点云畸变，建图会更好
### 如果imu预测得到的odom会跳变，这要调高imu噪声，会平滑一些
### 速度突然变化，快速运动的时侯容易跑飞
调整imu每帧组织的方式可以缓解跑飞
### 存在长时间估计，估计误差大，在一些噪声大的情况下就容易跑飞
reset。不能解决问题
### pc_surface_->reserve(msg->point_num);
如果使用resize()的话，就容易出现原点有点的情况