1 Star 0 Fork 0

lnsyzjp / lidar_slam_3d

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
该仓库未声明开源许可证文件(LICENSE),使用请关注具体项目描述及其代码上游依赖。
克隆/下载
贡献代码
同步代码
取消
提示: 由于 Git 不支持空文件夾,创建文件夹后会生成空的 .keep 文件
Loading...
README

lidar_slam_3d

forked from https://github.com/ningwang1028/lidar_slam_3d

代码结构清晰明了,提供了一个优秀的基本框架,每一部分的接口相对独立,方便进行进一步的优化。

原工程给出的效果图如下:

初步计划:

  1. 求解器修改为ceres版本
  2. 添加IMU预积分

可能的计划:

  1. 手写求解器
  2. 添加IMU和激光的时间戳配准

更新日志

2019.08.27 将位姿表示由Transformation替换为Pose+Quaternion

  1. 最近在学习ceres库,因此正好用这个代码练练手。这部分的代码基本照搬ceres官方给出的slam_3d
  2. ceres给出的代码范例中,后端优化的Pose Graph分别使用Eigen::Vector3d表示位置,Eigen::Quaternion表示旋转;而原程序代码中,Pose Graph使用Eigen::Isometry3d(4*4 Matrix)表示位姿。为了以后参考VINS添加IMU预积分,这里将前端的数据接口修改为Eigen::Vector3d和Eigen::Quaternion

2019.08.29 将图优化由g2o求解器替换为ceres求解器

  1. 将g2o替换成ceres,最重要的是建立map的映射,方便对位姿顶点的管理
  2. 将addEdge()和addVertex()函数改为addResidualBlock()函数,管理ceres使用的位姿顶点,由于每个顶点不止一个约束(观测),因此需要添加一个新的costfunction
  3. 在修改代码的过程中发现,原程序的位姿图优化仅仅存在于回环过程中,相邻帧之间不做优化,代码中相邻帧的观测和预测完全相等,因此优化没有意义。但是当检测到回环时,会将迄今的所有位姿点添加进位姿图优化中,进行优化。

2019.09.19 重写了ceres problem的构建方法

  1. 之前是将ceres::problem作为map builder类的成员,发现这种写法,会导致parameter block被重复设置的问题出现,究其原因,是每次回环,problem都会设置一次setparameterblockconstant。因此,将ceres::problem设置为doposeoptimize()函数里的局部变量。每次调用,都重新添加约束,优化完成,自动析构,避免了重复设置。
  2. 设置一个vector<map>,用来保存回环约束,添加到优化过程中。同时暂时不用2019.08.29中的map映射。
  3. 这部分主要参考了vins mono代码进行重写。

空文件

简介

暂无描述 展开 收起
取消

发行版

暂无发行版

贡献者

全部

近期动态

加载更多
不能加载更多了
1
https://gitee.com/lnsyzjp/lidar_slam_3d.git
git@gitee.com:lnsyzjp/lidar_slam_3d.git
lnsyzjp
lidar_slam_3d
lidar_slam_3d
master

搜索帮助