讲解关于slam一系列文章汇总链接:史上最全slam从零开始,针对于本栏目讲解(02)Cartographer源码无死角解析-链接如下:
(02)Cartographer源码无死角解析- (00)目录_最新无死角讲解:https://blog.csdn.net/weixin_43013761/article/details/127350885
文末正下方中心提供了本人联系方式,点击本人照片即可显示WX→官方认证{\color{blue}{文末正下方中心}提供了本人 \color{red} 联系方式,\color{blue}点击本人照片即可显示WX→官方认证}文末正下方中心提供了本人联系方式,点击本人照片即可显示WX→官方认证
通过上一篇博客的复盘,已经可以很清晰的知道数据流动过程,总的来说,会依照时间的先后顺序,把数据传送给 GlobalTrajectoryBuilder。当然,对于 GPS 与 landmark 数据可以通过参数 collate_fixed_frame_,collate_landmarks_ 进行控制,是否对数据进行排序之后,再添加到 GlobalTrajectoryBuilder,默认配置 trajectory_builder.lua 中:
collate_fixed_frame = true, --是否将GPS数据放入阻塞队列中,按时间排序再进行分发collate_landmarks = false, --是否将landmarks数据放入阻塞队列中,按时间排序再进行分发
在对 GlobalTrajectoryBuilder 进行深入分析之前,先来看看其构建过程。
在 src/cartographer/cartographer/mapping/map_builder.cc 文件中的 MapBuilder::AddTrajectoryBuilde() 函数
3D追踪trajectory_builders_.push_back(absl::make_unique(trajectory_options, sensor_collator_.get(), trajectory_id,expected_sensor_ids,// 将3D前端与3D位姿图打包在一起, 传入CollatedTrajectoryBuilderCreateGlobalTrajectoryBuilder3D(std::move(local_trajectory_builder), trajectory_id,static_cast(pose_graph_.get()),local_slam_result_callback, pose_graph_odometry_motion_filter)));
2D追踪trajectory_builders_.push_back(absl::make_unique(trajectory_options, sensor_collator_.get(), trajectory_id,expected_sensor_ids,// 将2D前端与2D位姿图打包在一起, 传入CollatedTrajectoryBuilderCreateGlobalTrajectoryBuilder2D(std::move(local_trajectory_builder), trajectory_id,static_cast(pose_graph_.get()),local_slam_result_callback, pose_graph_odometry_motion_filter)));
其上可以看到,在对3D或者2D追踪,实例化 CollatedTrajectoryBuilder 对象的时候, 其需要一个 std::unique_ptr
CreateGlobalTrajectoryBuilder2D(std::move(local_trajectory_builder), trajectory_id,static_cast(pose_graph_.get()),local_slam_result_callback, pose_graph_odometry_motion_filter)
CreateGlobalTrajectoryBuilder2D 是一个工厂函数,在前面提到过,类模板成员函数没有自动推演模板参数的功能,所以单独写了出来,
实现过程如下:
// 2d的完整的slam
std::unique_ptr CreateGlobalTrajectoryBuilder2D(std::unique_ptr local_trajectory_builder,const int trajectory_id, mapping::PoseGraph2D* const pose_graph,const TrajectoryBuilderInterface::LocalSlamResultCallback&local_slam_result_callback,const absl::optional& pose_graph_odometry_motion_filter) {return absl::make_unique>(std::move(local_trajectory_builder), trajectory_id, pose_graph,local_slam_result_callback, pose_graph_odometry_motion_filter);
}
初步看起来比较复杂,其实不然,直接看return,其就是构建一个 GlobalTrajectoryBuilder
该参数在 MapBuilder::AddTrajectoryBuilder() 中创建,主要用于前端优化代码如下:
// local_trajectory_builder(前端)的初始化std::unique_ptr local_trajectory_builder;if (trajectory_options.has_trajectory_builder_3d_options()) {local_trajectory_builder = absl::make_unique(trajectory_options.trajectory_builder_3d_options(),SelectRangeSensorIds(expected_sensor_ids));}
该参数在 MapBuilder 的构造函数中根据配置信息创建,主要用于后端优化
// 2d位姿图(后端)的初始化根据if (options.use_trajectory_builder_2d()) {//如果使用2d追踪pose_graph_ = absl::make_unique(options_.pose_graph_options(),absl::make_unique(options_.pose_graph_options().optimization_problem_options()),&thread_pool_);}// 3d位姿图(后端)的初始化if (options.use_trajectory_builder_3d()) {//如果使用3d追踪pose_graph_ = absl::make_unique(options_.pose_graph_options(),absl::make_unique(options_.pose_graph_options().optimization_problem_options()),&thread_pool_);}
local_slam_result_callback 是一个回调函数,该回调函数是src/cartographer_ros/cartographer_ros/cartographer_ros/map_builder_bridge.cc 的 MapBuilderBridge::AddTrajectory 函数中的一个lambda 表达式:
// lambda表达式 local_slam_result_callback_[this](const int trajectory_id, const ::cartographer::common::Time time, const Rigid3d local_pose,::cartographer::sensor::RangeData range_data_in_local,const std::unique_ptr) {// 保存local slam 的结果数据 5个参数实际只用了4个OnLocalSlamResult(trajectory_id, time, local_pose, range_data_in_local);}
总的来说呢,local_slam_result_callback 等价于函数 MapBuilderBridge::OnLocalSlamResult() 函数,该函数的内容后面再讲解。
参数 pose_graph_odometry_motion_filter 是再 MapBuilder::AddTrajectoryBuilde() 中创建,主要涉及代码如下:
// 运动过滤器, 运动太小没必要进行更新// 配置文件中没有 pose_graph_odometry_motion_filteabsl::optional pose_graph_odometry_motion_filter;if (trajectory_options.has_pose_graph_odometry_motion_filter()) {LOG(INFO) << "Using a motion filter for adding odometry to the pose graph.";pose_graph_odometry_motion_filter.emplace(MotionFilter(trajectory_options.pose_graph_odometry_motion_filter()));}
其主要功能是一个滤波器。
重点:\color{red}重点:重点:这里先不要深究,主要是回顾一下 GlobalTrajectoryBuilder 的构建过程。这里呢,额外介绍一点东西。src/cartographer_ros/cartographer_ros/cartographer_ros/map_builder_bridge.cc 是 包 cartographer_ros 中的代码,简单的说,map_builder_bridge.cc 负责调用 Cartographer 的算法代码。
MapBuilderBridge 可以理解为 ros 侧封装的代码,其中的函数 MapBuilderBridge::AddTrajectory() 添加一条轨迹的时候会调用到 MapBuilder::AddTrajectoryBuilder() 函数,那么很显然,MapBuilder 也是 Cartographer 暴漏在外面接口,或者说共客户使用的类。
前面我们知道 CollatedTrajectoryBuilder 也是 Cartographer 暴露给客户的接口,那么问题就出现了,CollatedTrajectoryBuilder 与 MapBuilder 是怎么联系起来的?注意,在 MapBuilder 中有一个成员变量
std::vector>trajectory_builders_;
其存储的,就是所有创建轨迹是生成的 CollatedTrajectoryBuilder 实例对象。也就是说,对于 Cartographer 算法的使用,暂时只需要着重这 MapBuilder 与 CollatedTrajectoryBuilder 这两个类就行了,后续其他的在后面也会陆续讲解。
GlobalTrajectoryBuilder.h 的头文件,就是声明了两个工厂函数,前面已经进行讲解。再次提及一下 GlobalTrajectoryBuilder 的实例对象,是存储在 CollatedTrajectoryBuilder::wrapped_trajectory_builder_ 之中。
下面来看看 GlobalTrajectoryBuilder 的构造函数,函数所示:
GlobalTrajectoryBuilder(std::unique_ptr local_trajectory_builder,const int trajectory_id, PoseGraph* const pose_graph,const LocalSlamResultCallback& local_slam_result_callback,const absl::optional& pose_graph_odometry_motion_filter): trajectory_id_(trajectory_id),pose_graph_(pose_graph),local_trajectory_builder_(std::move(local_trajectory_builder)),local_slam_result_callback_(local_slam_result_callback), ///主要用于保存结果的回调函数pose_graph_odometry_motion_filter_(pose_graph_odometry_motion_filter) {}
与前面创建实例的时候,传入的参数一一对应的,不过没有做什么复杂的操作,就是一个初始化列表,对如下的几个成员变量进行了赋值:
const int trajectory_id_; //轨迹idPoseGraph* const pose_graph_; // 模板参数, 可以指向PoseGraph2D也可以指向PoseGraph3Dstd::unique_ptr local_trajectory_builder_; //前端LocalSlamResultCallback local_slam_result_callback_; //主要用于保存结果的回调函数absl::optional pose_graph_odometry_motion_filter_; //里程计过滤器,没有启用
可以很明显的可以看到,实现了多个 AddSensorData() 重载函数,如下所示:
// imu数据的处理, 数据走向有两个,一个是进入前端local_trajectory_builder_,一个是进入后端pose_graph_void AddSensorData(const std::string& sensor_id,const sensor::ImuData& imu_data) override {if (local_trajectory_builder_) { //如果存在前端local_trajectory_builder_->AddImuData(imu_data); //把数据发送给前端}pose_graph_->AddImuData(trajectory_id_, imu_data); //把数据发送给后端}
// 里程计数据的处理, 数据走向有两个,一个是进入前端local_trajectory_builder_, 一个是进入后端pose_graph_// 加入到后端之前, 先做一个距离的计算, 只有时间,移动距离,角度 变换量大于阈值才加入到后端中void AddSensorData(const std::string& sensor_id,const sensor::OdometryData& odometry_data) override {//判断数据是否有值,如果没有值,则报错,且输出里程计数据 CHECK(odometry_data.pose.IsValid()) << odometry_data.pose;if (local_trajectory_builder_) { //如果存在前端local_trajectory_builder_->AddOdometryData(odometry_data);}// TODO(MichaelGrupp): Instead of having an optional filter on this level,// odometry could be marginalized between nodes in the pose graph.// Related issue: cartographer-project/cartographer/#1768//如果设置则进行过滤if (pose_graph_odometry_motion_filter_.has_value() &&pose_graph_odometry_motion_filter_.value().IsSimilar(odometry_data.time, odometry_data.pose)) {return;}//把数据分发给后端pose_graph_->AddOdometryData(trajectory_id_, odometry_data);}
// gps数据只在后端中使用void AddSensorData(const std::string& sensor_id,const sensor::FixedFramePoseData& fixed_frame_pose) override {if (fixed_frame_pose.pose.has_value()) {CHECK(fixed_frame_pose.pose.value().IsValid())<< fixed_frame_pose.pose.value();}pose_graph_->AddFixedFramePoseData(trajectory_id_, fixed_frame_pose);}
// Landmark的数据只在后端中使用void AddSensorData(const std::string& sensor_id,const sensor::LandmarkData& landmark_data) override {pose_graph_->AddLandmarkData(trajectory_id_, landmark_data);}
// 将local slam的结果加入到后端中, 作为位姿图的一个节点void AddLocalSlamResultData(std::unique_ptrlocal_slam_result_data) override {CHECK(!local_trajectory_builder_) << "Can't add LocalSlamResultData with ""local_trajectory_builder_ present.";local_slam_result_data->AddToPoseGraph(trajectory_id_, pose_graph_);}
下面来重点讲解一下雷达数据的处理,代码如下:
/*** @brief 点云数据的处理, 先进行扫描匹配, 然后将扫描匹配的结果当做节点插入到后端的位姿图中* * @param[in] sensor_id topic名字* @param[in] timed_point_cloud_data 点云数据*/void AddSensorData(const std::string& sensor_id, //订阅的话题const sensor::TimedPointCloudData& timed_point_cloud_data) override {CHECK(local_trajectory_builder_)//检测是否存在前端,没有前端则报错<< "Cannot add TimedPointCloudData without a LocalTrajectoryBuilder.";// 通过前端进行扫描匹配, 然后返回匹配后的结果std::unique_ptrmatching_result = local_trajectory_builder_->AddRangeData(sensor_id, timed_point_cloud_data);if (matching_result == nullptr) { //如果失败了,直接返回// The range data has not been fully accumulated yet.return;}kLocalSlamMatchingResults->Increment();std::unique_ptr insertion_result;// matching_result->insertion_result 的类型是 LocalTrajectoryBuilder2D::InsertionResult// 如果雷达成功插入到地图中if (matching_result->insertion_result != nullptr) {kLocalSlamInsertionResults->Increment();// 将匹配后的结果 当做节点 加入到位姿图中auto node_id = pose_graph_->AddNode(matching_result->insertion_result->constant_data, trajectory_id_,matching_result->insertion_result->insertion_submaps);CHECK_EQ(node_id.trajectory_id, trajectory_id_);// 这里的InsertionResult的类型是 TrajectoryBuilderInterface::InsertionResultinsertion_result = absl::make_unique(InsertionResult{node_id, matching_result->insertion_result->constant_data,std::vector>(matching_result->insertion_result->insertion_submaps.begin(),matching_result->insertion_result->insertion_submaps.end())});}// 将结果数据传入回调函数中, 进行保存if (local_slam_result_callback_) {local_slam_result_callback_(trajectory_id_, matching_result->time, matching_result->local_pose,std::move(matching_result->range_data_in_local),std::move(insertion_result));}}
如果看得不是是明白没有关系,下一篇博客会针对该函数进行十分详细的讲解。
通过篇博客,可以知道,GlobalTrajectoryBuilder 中除了对雷达数据做了比较复杂的处理,对于其他的数据集,基本就是做了个转发工作。值得注意的是,GlobalTrajectoryBuilder::local_slam_result_callback_ 回调函数,是一个十分主要点,其主要起到保存结果的作用,具体的内容后面再进行讲解。