多传感器融合SLAM --- 13.LIO-SAM地图优化代码分析 mapOptmization.cpp（地图优化部分）

APS2023

已于 2023-06-16 17:49:05 修改

阅读量844

点赞数

CC 4.0 BY-SA版权

分类专栏：多传感器融合SLAM（LIDAR、IMU、相机）文章标签：激光SLAM c++ LIO-SAM 算法自动驾驶

于 2023-06-06 10:41:48 首次发布

本文链接：https://blog.csdn.net/qq_41694024/article/details/131045499

多传感器融合SLAM（LIDAR、IMU、相机）专栏收录该内容

18 篇文章 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

本文详细解析了LIO-SAM（激光SLAM）地图优化过程，包括构造函数、回调函数、初始值更新、关键帧提取、点云下采样、扫描匹配、关键帧插入判断、全局轨迹校正以及里程计和关键帧信息的发布等步骤，旨在理解SLAM算法中的地图优化策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

0 流程图

1 地图优化

1.1 构造函数分析 mapOptimization()

1.2 laserCloudInfoHandler 回调函数解析

1.3 updateInitialGuess函数解析

1.5 对当前帧进行下采样downsampleCurrentScan

1.6 scan2MapOptimization 求得一个Rt使得当前帧能最好的匹配到局部地图上面去

1.7 判断是否插入关键帧 saveKeyFramesAndFactor

1.8 调整全局轨迹 correctPoses

1.9 发布lidar里程计信息 publishOdometry

1.10 发布点云关键帧信息

0 流程图

1 地图优化

1.1 构造函数分析 mapOptimization()

    mapOptimization()
    {
        ISAM2Params parameters;  // 创建ISAM2参数对象
        parameters.relinearizeThreshold = 0.1;  // 设置ISAM2的重线性化阈值
        parameters.relinearizeSkip = 1;  // 设置ISAM2的重线性化间隔
        isam = new ISAM2(parameters);  // 创建ISAM2对象

        // 订阅信息