激光雷达slam之LOAM中的坐标转换与IMU融合

需要用到的一些知识和假设:

(1)  来源于 github中的讨论:

由于IMU累积推算位置的误差大,程序中粗略地计算了IMU的位置漂移。

_imuPositionShift = _imuCur.position - _imuStart.position - _imuStart.velocity * relSweepTime;

上式成立的前提是认为一个扫描周期内,Lidar的运动是匀速的,上式计算出了非线性误差部分。

 

(2) X、Y、Z轴对应俯仰(pitch)、航向(yaw)、横滚(roll)机动,可知Lidar坐标系为“右下前”坐标系。

 

(3)  从Lidar系到global IMU系,类似于惯导系统中的C(b->n),即载体系到地理系的转换。

旋转顺序为:横滚->俯仰->航向

rotateZXY(point, roll, pitch, yaw);

从global IMU系到Lidar系,旋转顺序正好相反。

rotateYXZ(point, -yaw, -pitch, -roll);

 

(4)  transform代表将k时刻的点云转换到k+1时刻下,与视觉slam中的相对位姿定义相同。

 

坐标转换与IMU融合

1、 transformToStartIMU

注册点云时(MultiScanRegistration.cpp中),当判断有IMU数据时,会进行一步坐标转换的预处理,体现在函数transformToStartIMU中。

这个函数进行了三步处理:

(1)       rotateZXY(point, _imuCur.roll, _imuCur.pitch, _imuCur.yaw);

将原始点云从当前Lidar系转换到global IMU系下;

(2)       补偿了_imuPositionShift,也即估算的IMU位置漂移;

(3)       rotateYXZ(point, -_imuStart.yaw, -_imuStart.pitch, -_imuStart.roll);

将global IMU系下的点云转换到Start时刻的Lidar系下。

         经过这个函数的处理,点云的position部分处于当前Lidar下一个相对准确的位置上(基于扫描周期内匀速运动的假设),但点云的Rotation部分是Start时刻Lidar下观察所得的,而非处于当前Lidar下。更清晰地来说,即此时观察到的点云坐标,是以当前Lidar的坐标(一个估计值)为原点,而坐标轴是与Start时刻的Lidar系的坐标轴对齐的。

 

2、  OD初始化:

根据第一次开始扫描时的IMU pitch与roll,作为累积位姿的初始值。  

 _transformSum.rot_x += _imuPitchStart;

_transformSum.rot_z += _imuRollStart;

Yaw角度和pos部分都未赋初值,即假设开始时刻的偏航角为0,位于global系下的原点位置。

 

3、  运动估计初值:

(1)       _transform.pos -= _imuVeloFromStart * _scanPeriod; 

其中,imuVeloFromStart的计算,可知imuVeloFromStart为Start时刻Lidar系下的速度变化矢量:

imuVelocityFromStart = _imuCur.velocity - _imuStart.velocity;

  rotateYXZ(imuVelocityFromStart, -_imuStart.yaw, -_imuStart.pitch, -_imuStart.roll);

对于匀速运动假设的一个补偿,并且基于运动曲线的连续性,做了递推形式的计算,可能乘以1/2会更合适?

(2)       _transform的rotation部分未赋初值,认为为0。

 

4、  transformToStart

在进行KDTree最近点搜索前,首先将进行畸变处理后的点云转换到每一次扫描的开始时刻。

先根据匀速运动假设计算出当前点时刻Lidar的位移和旋转。

但这里其实是和前面的转换transformToStartIMU有些冲突的。因为transformToStartIMU之后点云所处的坐标轴是与Start时刻的Lidar系的坐标轴对齐的。现在又通过_transform将点云转换到start时刻。有一种转了两次的感觉。

有一种解释:认为k次扫描中的旋转部分大部分由IMU积分获得,_transform中的旋转估算的只是一个小量。

 

5、  transformToEnd

(1)       先进行transformToStart,此时点云处于start时刻的Lidar系下;

(2)       通过_transform转换到end时刻的Lidar系下;

(3)       rotateZXY(point, _imuRollStart, _imuPitchStart, _imuYawStart);

转换到global系下

(4)       rotateYXZ(point, -_imuYawEnd, -_imuPitchEnd, -_imuRollEnd);

转换到end时刻的Lidar系下。

 

总结点云的旋转过程从1->5, 可用公式表示为:

 

6、accumulateRotation

该函数的作用是将计算的两帧之间的位姿“累加”起来,获得相对于第一帧的旋转矩阵,具体公式如下:

                                                                            

7、 pluginIMURotation

该函数与accumulateRotation,联合起来完成了更新_transformSum的rotation部分的工作。该函数可视为transformToEnd的下部分的逆过程。具体公式如下:

                                                         

 

                                                                             

posted @ 2018-05-07 23:09  Reed!  阅读(17339)  评论(1编辑  收藏  举报