# visual_lidar_slam

**Repository Path**: learing8hard/visual_lidar_slam

## Basic Information

- **Project Name**: visual_lidar_slam
- **Description**: No description available
- **Primary Language**: C++
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-11-24
- **Last Updated**: 2021-12-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# visual_lidar_slam

#### 介绍
本仓库是根据slam的学习，而后参考相应的开源项目实现的slam。


#### 软件架构
config  
feature  
camera  
frame  
map  
utils  
odometry  


#### 安装教程
1.g2o  
图优化库，需要自己写雅可比矩阵，完成图优化问题  
  
ceres是谷歌的一个优化问题求解器  

sophus是线性代数库，支持李代数。依赖eigen库  
eigen库是线性代数库  


#### 使用说明


## 问题
#### 类或stuct中定义自己的智能指针  
在不需要初始化智能指针的时候，方便直接声明智能指针；  
在使用智能指针时，可以避免只用vector等扩展内存时，导致的执行效率低下  
#### c++工厂函数 
其中的id是否需要？  
#### 什么时候使用struct和class
不进行大量算法操作，主要存数据时，使用struct；  
需要进行大量算法运算时，使用类。  
#### 限定作用域的枚举  
#### 一些重要的固定量要设置为private，访问通过函数，且用const修饰
#### 特征点要区分为是否为成功跟踪的特征点，要注意如何区分
可以通过关联帧特征点的有无作为标志，也可以使用标志量  
#### const可以修饰函数的默认参数
但是，const 一般修饰使用&的参数，  
#### 引用传参的好处，避免拷贝，对于内存较大的参数有好处，但是，对一内存较少的参数，则无意义
#### 写log，可以在log文件中，debug
#### sophus需要fmt/core.hpp头文件。没有的话，所有的项目都会报错。
sophus编译的时候，可以不用fmt/core.hpp头文件。  
直接apt安装libfmt-dev的时侯，没有core.hpp，估计是因为版本的问题。  
一个解决方案是直接在sophus的源码中删除这个头文件include，然后，安装编译  
当vscode发现头文件没有报错的时候，才会检查其他错误  
#### map的使用
#### 按照关键帧为基础作为数据结构是不太好管理用于优化的图。因为去掉一个关键帧的时候，对应的landmark有可能还可以被其他关键帧观察到。
因此，正确的做法是将关键帧和landmark分开管理。landmark指向有关联的关键帧图像  
#### landmark的三角化是使用双目约束实现的，得到landmark之后才能使用pnp(BA)求得下一帧的位姿  
BA优化的过程中，设置landmark是不能用于优化的，当前帧的pose是唯一的优化变量。使用左目特征点，同时，landmark增加了当前帧左目特征点为新的观测约束，用于后端图优化的建立
#### 后端图优化约束有三角化该landmark的左右目，下一关键帧的左目等  
#### 获得新关键帧之后，需要三角化除了已经被三角化后的landmark  
#### 由于没有使用特征匹配，而且也往往可能出现误对应的图像特征点。因此，在优化过程中，需要即使判断是否为外点
#### 关键帧需要有一定数量的匹配跟踪的特征点(不多，不少)。一般给地图关联类判断关键帧的处理，根据位姿条件。因为当删除了一个关键帧之后，还得判断是否需要删除landmark
#### 图的数据结构
1.以帧(pose)管理，需要指向图像特征点，然后，特征点指向landmark。    
2.以landmark管理，需要指向图像特征点，然后，特征点指向帧(pose)。  
#### 帧，关键帧是包含一对左右目图像的数据结构
#### 判断是否为好的关键帧，滑动窗口排除不好的关键帧依据是通过SE3的李代数的6维向量的模长  
#### 帧的位姿是用T_c_w 相对于当前相机的坐标系
#### BA需要判断图像特征点是否为outlier_，防止优化错误点 
#### typedef shared_ptr<Frame> Ptr;即使自己定义了，在其他地方使用也会报错  还是得用shared_ptr<Frame>  
#### 结构体在其他文件声明，在本文件中使用，需要在前面声明struct Frame;
#### c++14中使用g2o，要依赖ceres。
#### ros param 变量名问题

        <node name="visual_lidar_slam" pkg="visual_lidar_slam" type="frontend_node" output="screen" >
            <param name="config_file" type="string" value="$(arg config_path)" />
        </node>

        实际会带上node name的名字
#### 关键帧id和当前帧id要分开，方便后面调试，得到比较好的参数





#### 特技