欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

[代码阅读]hdl_graph_slam中的地面约束与g2o中的平面误差模型推导

程序员文章站 2022-06-07 15:14:31
...


参考资料:

1.Code:hdl_graph_slam

2.Paper:Kenji Koide, Jun Miura, and Emanuele Menegatti, A Portable 3D LIDAR-based System for Long-term and Wide-area People Behavior Measurement, Advanced Robotic Systems, 2019

1. hdl_slam中的地面约束

[代码阅读]hdl_graph_slam中的地面约束与g2o中的平面误差模型推导

hdl_slam中的每一帧关键帧都会对应提取一个地面参数;

建图开始的时候将一个Floor Plane Node设置为true,并固定,参数设置为决定的垂直于地面的法向量[0,0,1,0]

后面的每一帧keyframe的地面参数coeffs都要和Floor Plane Node构建平面误差,如下所示:

void computeError() override {
    const g2o::VertexSE3* v1 = static_cast<const g2o::VertexSE3*>(_vertices[0]); //T:[R,t]
    const g2o::VertexPlane* v2 = static_cast<const g2o::VertexPlane*>(_vertices[1]); //[0,0,1,0]

    Eigen::Isometry3d w2n = v1->estimate().inverse();// T.inverse()= T_iw;i是当前帧,w是世界坐标系
    Plane3D local_plane = w2n * v2->estimate();// T_iw*[0 0 1 0]= 将一个绝对的垂直于Z的法向量,投影到当前帧;
    _error = local_plane.ominus(_measurement);//将[0 0 1 0]变换到当前帧之后,和当前帧的地面的法向量 做ominus 作为误差
}

思路是,根据当前第i帧keyframe的位姿TwiT_{wi},将初始的严格垂直于地面的法向量[0,0,1,0]变换到第i帧的坐标系下;

并用这个参数来初始化Plane3D local_plane;其底层对*操作符进行了重载;具体如下:

inline Plane3D operator*(const Isometry3& t, const Plane3D& plane){
    Vector4 v=plane._coeffs;
    Vector4 v2;
    Matrix3 R=t.rotation();
    v2.head<3>() = R*v.head<3>();
    v2(3)=v(3) - t.translation().dot(v2.head<3>());
    return Plane3D(v2);
};

可以看到,传入参数t就是TiwT_{iw}plane就是[0,0,1,0],经过一个变换,变成到当前帧雷达坐标系下的一个Vector4d值。

再使用这个值和当前帧点云拟合出来的地面点,进行一个\ominus操作,获得误差,误差的具体定义如下:

inline Vector3 ominus(const Plane3D& plane){
    //construct the rotation that would bring the plane normal in (1 0 0)
    Matrix3 R=rotation(normal()).transpose();
    Vector3 n=R*plane.normal();
    number_t d=distance()-plane.distance();
    return Vector3(azimuth(n), elevation(n), d);
}

那么平面误差是如何定义的呢?

下面则是重点推导部分。

2. g2o中的平面误差推导

首先,在三维平面下,平面方程可以使用4个参数来表示:
Ax+By+Cz+D=0 Ax+By+Cz+D=0
所以,如果想要达到hdl_slam中对地面的约束,就需要借助平面方程,对地面点云进行约束;

1.当前帧点云的地面方程:

那么,当前帧雷达点云的地面方程拟合可以借鉴这篇文章[透彻理解]由最小二乘到SVD分解,那么可以获得当前帧雷达点云(第i帧)的地面方程为planeiplane_i
Aix+Biy+Ciz+Di=0 A_ix+B_iy+C_iz+D_i=0
该参数记做PiR4P_i\in \mathbb{R}^4

2.全局坐标系下的点云地面方程:

hdl_slam对此约束的处理思路是,最开始初始化一个全局地面方程参数为[0,0,1,0],记为:
Awx+Bwy+Cwz+Di=0 A_wx+B_wy+C_wz+D_i=0
也即,Aw=Bw=Dw=0,Cw=1A_w=B_w=D_w=0,C_w=1,该参数记做PwR4P_w \in \mathbb{R}^4

3. 平面方程的坐标系统一

上面构建的两个平面方程,其坐标系并不统一,因此需要统一坐标系;按照hdl_slam的理解,我们将世界坐标系下的平面方程PwP_w投影到当前第i帧雷达坐标系下TwiT_wi,(该位姿视作已知):
Pw=TiwPw=Twi1Pw=[Aw  Bw  Cw  Dw] P_w' = T_{iw}P_w=T_{wi}^{-1}P_w = [A_w' \ \ B_w' \ \ C_w' \ \ D_w']
然后在第ii帧雷达坐标系下进行平面方程的误差构建,即如下代码部分:

Eigen::Isometry3d w2n = v1->estimate().inverse();
Plane3D local_plane = w2n * v2->estimate();
_error = local_plane.ominus(_measurement);

4. g2o中的平面误差

PwPiP_w',P_i两个平面参数进行\ominus操作,分为以下几步:

  • 1.Matrix3 R=rotation(normal()).transpose();

    • PwP_w'的向量(前三维,也即法向量)为基底,将PwP_w'转换为旋转矩阵。
  • Vector3 n=R*plane.normal();

    • PiP_i转换到以PwP_w'为基底的旋转空间中去,得到向量n;
      [代码阅读]hdl_graph_slam中的地面约束与g2o中的平面误差模型推导
  • 对n计算仰角azimuth和方位角elevation

  • 计算d=DwDid=D_w'-D_i

  • 误差组合为Vector3(azimuth(n), elevation(n), d)

相关标签: 学习笔记 代码