OrbSLAM2采集点云数据

合集 - SLAM(55)

1.个人资源索引2018-03-032.SLAM学习笔记（1）基本概念2015-08-063.SLAM学习笔记（2）SLAM算法2015-08-214.[ROS]2 尝试编译OrbSLAM2016-01-185.[ROS]1 小乌龟2016-01-186.SLAM最近的工作2015-11-057.SLAM学习笔记（3）相关概念2015-09-168.[SLAM]2D激光线特征提取2016-07-169.[SLAM] GMapping SLAM源码阅读（草稿）2016-07-0110.[QGLViewer]First Demo2016-06-2911.SLAM数据集2016-06-2312.[SLAM]2D激光扫描匹配方法2016-06-1513.[g2o]一个备忘2016-04-2114.[ROS] slam_gmapping2016-01-2415.[ROS]3 Linux编程练习2016-01-2016.Linux学习和ROS安装（1）2017-12-1917.小豆包的学习之旅：机器人定位2017-05-0218.小豆包的学习之旅：传感器观测模型2017-04-2119.Kinect2.0相机标定2017-04-1020.小豆包的学习之旅：里程计运动模型2017-04-0321.小豆包的学习之旅：入门篇2017-04-0222.Kinect2.0点云数据获取2017-03-3023.[硬件]Robot运动控制2017-03-2224.[硬件]Urg_viewer数据读取2017-03-1425.[硬件]三维点云数据获取2017-03-0426.Kinect2.0获取数据2017-02-1527.ndt histogram_direction2016-09-0828.rplidar & hector slam without odometry2016-08-2629.rplidar测试2016-08-1230.[原创]NDT方法在SLAM中的应用2016-08-0831.[SLAM]Karto SLAM算法学习（草稿）2016-07-2232.ROS学习备忘2018-07-1833.[ROS]激光驱动安装2018-07-16

34.OrbSLAM2采集点云数据2018-03-26

35.Cartographer源码阅读(8)：imu_tracker2018-03-2136.[硬件]点云数据采集22018-03-1937.Cartographer源码阅读(9)：图优化的前端——闭环检测2018-03-0838.Cartographer源码阅读(7)：轨迹推算和位姿推算的原理2018-03-0839.Ethzasl MSF源码阅读(3)：MSF_Core和PoseMeasurement2018-03-0740.Ethzasl MSF源码阅读(2)：百川汇海2018-03-0641.Ethzasl MSF源码阅读(1)：程序入口和主题订阅2018-03-0442.Cartographer源码阅读(6)：LocalTrajectoryBuilder和PoseExtrapolator2018-02-2543.Cartographer源码阅读(5)：PoseGraph位姿图2018-02-2444.Cartographer源码阅读(4)：Node和MapBuilder对象22018-01-1045.Cartographer源码阅读(3)：程序逻辑结构2017-12-2946.Cartographer源码阅读(2)：Node和MapBuilder对象2017-12-2847.Cartographer源码阅读(1)：程序入口2017-12-2848.实时Cartographer测试(1) - rplidar2017-12-2149.Cartographer安装2017-12-2050.ROS安装（2）2017-12-2051.[ROS]一些传感器数据读取融合问题的思考2017-05-0652.小豆包的学习之旅：占用概率栅格地图和cost-map2017-05-0253.小豆包的学习之旅：开发记录2017-04-2954.[概述]移动机器人自主探索2017-04-1855.MRPT编译2017-04-14

收起

因为条件限制，在Windows10平台下实现OrbSLAM2+Kinect2点云数据采集。

1. 遇到问题，启动运行没多久就跟丢了，有的地方哪怕轻微的旋转甚至不动都无法跟踪。

原因：相机的标定参数不对，fx和cx参数搞反了。其实应该从获取的稀疏点云中能够看出来有问题，稀疏点云的形状和分布就不对。

2.将每帧点云转换到世界坐标系的时候，需要注意点云的坐标系。Kinect SDK生成的点云的坐标系和自己根据图像生成的不一致。

总结：

总的说来效果还是不错的，不过采集的点云还是存在重影。

思考可能是因为追踪和局部BA产生了误差累积，虽然做了整体优化，但是误差仍然表现在获取的点云中。

这样就和深度测量值也有关系，毕竟Kinect的距离精度还是比较低的。

同时采集轨迹的形状也有影响，如果轨迹在空间中的分布不均匀，运动不是匀速也会影响采集数据的质量。