开源激光SLAM项目BLAM－－－－

最近在学习SLAM和ROS，首先接触到的是github上的开源项目BLAM，是berkely的一位小哥所写，油管上有相关的视频。这篇教程面向于SLAM和ROS的初学者，如果有问题还希望各位大神进行指正。

先贴一张github上附带的效果图
　　

系统概述

BLAM使用PointCloudXYZ类型点云数据作为输入，在视频里使用一个velodyneVLP16激光雷达作为传感器，逐步的绘制出整个点云地图。
BLAM系统框架很简单:

Created with Raphaël 2.2.0 PCL点云数据处理定位非线性优化回环? 调整地图建立地图 yes no

代码主要分为下列几个大部分
- point_cloud_filter　：对输入的点云数据进行处理，得到过滤后的点云数据
- point_cloud_odometry　：通过GICP算法计算两帧点云数据的位姿变换（初步计算）
- point_cloud_localization　：通过初步计算的位姿变换来获取当前帧对应的地图中最近临点，再次执行GICP得到精确的位姿变换（第二次计算）
- laser_loop_closure　：对当前帧的点云数据与历史点云数据对比判断回环是否发生，发布位姿数据
- point_cloud_mapper　：构建点云地图，发布地图数据

BLAM的整个点云数据处理从 blam_slam.cc起始

#include <ros/ros.h>
#include <blam_slam/BlamSlam.h>int main(int argc, char** argv) {ros::init(argc, argv, "blam_slam");　　//初始化ROS节点并命名ros::NodeHandle n("~");　　//定义私有命名空间　　详情请看另一篇博文BlamSlam bs;if (!bs.Initialize(n, false /* online processing */)) {　//　　调用Initialize函数，采用离线模式ROS_ERROR("%s: Failed to initialize BLAM SLAM.",ros::this_node::getName().c_str());return EXIT_FAILURE;}ros::spin();  　return EXIT_SUCCESS;
}

这里定义了句柄n并执行了初始化函数，所以我们进入到BlamSlam::Initialize里

bool BlamSlam::Initialize(const ros::NodeHandle& n, bool from_log) {name_ = ros::names::append(n.getNamespace(), "BlamSlam");if (!filter_.Initialize(n)) {   //内部主要工作为提取.yaml文件参数　　ROS_ERROR("%s: Failed to initialize point cloud filter.", name_.c_str());return false;}if (!odometry_.Initialize(n)) {    //参数为NodeHandle 保证在同一个命名空间ROS_ERROR("%s: Failed to initialize point cloud odometry.", name_.c_str());return false;}if (!loop_closure_.Initialize(n)) {ROS_ERROR("%s: Failed to initialize laser loop closure.", name_.c_str());return false;}if (!localization_.Initialize(n)) {ROS_ERROR("%s: Failed to initialize localization.", name_.c_str());return false;}if (!mapper_.Initialize(n)) {ROS_ERROR("%s: Failed to initialize mapper.", name_.c_str());return false;}if (!LoadParameters(n)) {ROS_ERROR("%s: Failed to load parameters.", name_.c_str());return false;}if (!RegisterCallbacks(n, from_log)) {ROS_ERROR("%s: Failed to register callbacks.", name_.c_str());return false;}return true;
}

这里各个模块的Initialize()函数主要作用是提取.yaml文件里的参数。不太重要，有兴趣的可以自行看一下
看到最后一个**RegisterCallbacks(n, from_log)**是初始化函数的重点，具体内容是

bool BlamSlam::RegisterCallbacks(const ros::NodeHandle& n, bool from_log) {// Create a local nodehandle to manage callback subscriptions.ros::NodeHandle nl(n);  //以n为父节点visualization_update_timer_ = nl.createTimer(visualization_update_rate_, &BlamSlam::VisualizationTimerCallback, this);//创建一个timer定时调用VisualizationTimerCallback,其内容是发布**地图**话题if (from_log)   //这里是false 所以进入onlinereturn RegisterLogCallbacks(n);elsereturn RegisterOnlineCallbacks(n);  //进入这个}

下面我们继续进入**RegisterOnlineCallbacks(n)**函数

bool BlamSlam::RegisterOnlineCallbacks(const ros::NodeHandle& n) {ROS_INFO("%s: Registering online callbacks.", name_.c_str());// Create a local nodehandle to manage callback subscriptions.ros::NodeHandle nl(n);estimate_update_timer_ = nl.createTimer(estimate_update_rate_, &BlamSlam::EstimateTimerCallback, this); //定时器pcld_sub_ = nl.subscribe("pcld", 100, &BlamSlam::PointCloudCallback, this);//消息订阅return CreatePublishers(n);
}

首先先看到订阅者，订阅了一个名为pcld的相对话题名称，在launch文件里这个话题名被重映射到了/PointCloudXYZ，所以这里订阅的是PointCloudXYZ的点云数据

另外是一个以**estimate_update_rate_为调用间隔的EstimateTimerCallback()**函数，我们继续进入

void BlamSlam::EstimateTimerCallback(const ros::TimerEvent& ev) {// Sort all messages accumulated since the last estimate update.synchronizer_.SortMessages();　　　                      //对点云数据根据时间排序，并得到index数组// Iterate through sensor messages, passing to update functions.MeasurementSynchronizer::sensor_type type;unsigned int index = 0;while (synchronizer_.GetNextMessage(&type, &index)) {   //找到下一个点云数据的indexswitch(type) {// Point cloud messages.case MeasurementSynchronizer::PCL_POINTCLOUD: {　　　　//根据类型进入这个分支const MeasurementSynchronizer::Message<PointCloud>::ConstPtr& m =synchronizer_.GetPCLPointCloudMessage(index);  //通过index得到pointcloud数据ProcessPointCloudMessage(m->msg); //执行数据处理 *********break;}// Unhandled sensor messages.default: {ROS_WARN("%s: Unhandled measurement type (%s).", name_.c_str(),MeasurementSynchronizer::GetTypeString(type).c_str());break;}}}// Remove processed messages from the synchronizer.synchronizer_.ClearMessages();
}

这个函数主要工作是，根据timestamp对暂存的点云数据进行排序，根据排序结果依次对点云数据进行处理(调用**ProcessPointCloudMessage(m->msg)**函数)

所有数据处理工作都在**ProcessPointCloudMessage(m->msg)**函数中完成，这一章主要介绍了整个程序的的入口，下一章里会介绍点云处理过程

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　转载请注明出处欢迎讨论交流

开源激光SLAM项目BLAM－－－－－１相关推荐

开源激光SLAM项目BLAM－－－－－2
接上一章节提到的**ProcessPointCloudMessage(m->msg)**函数,它传入一个const PointCloud::ConstPtr& 类型,即点云常指针的引用, ...
开源3D激光SLAM项目BLAM
最近在学习SLAM和ROS,首先接触到的是github上的开源项目BLAM,是berkely的一位小哥所写,油管上有相关的视频.这篇教程面向于SLAM和ROS的初学者,如果有问题还希望各位大神进行指正 ...
使用开源激光SLAM方案LIO-SAM运行KITTI数据集，如有用，请评论雷锋
第一次写博客~ LIOSAM作为优秀的激光slam方案,当然想尝试着运行更多数据啦,然而没有发现类似的方法分享到底如何实现,在B站看到有伙伴发布了测试视频,但是仍然没有写出方法.所以我跑通了之后记录一 ...
基于LOAM框架的激光SLAM开源程序集合
一.前言 LOAM, 即Lidar Odometry and Mapping,是 Ji Zhang 博士于2014年提出的使用激光雷达完成定位与三维建图的算法.其算法流程如下: LOAM算法中主要包含 ...
【激光SLAM】 01 cartographer环境建立以及建图测试（详细级）
[激光SLAM]cartographer环境建立以及建图测试(详细级) cartographer Launch the 2D backpack demo. Download the 3D backpa ...
激光SLAM理论与实践(一)--激光SLAM简要介绍
疫情原因一直在家,所以把之前学习的某蓝学院的激光SLAM的教程做一个学习笔记记录一下.话不多说,直接开始! 第一章主要是是激光SLAM的基本脉络的简介,综述类的介绍,主要分为以下四部分,讲了激光SLA ...
ROS2_Foxy学习10——多机激光SLAM准备篇
ROS2_Foxy学习10--多机激光SLAM准备篇 1 安装Ubuntu20.04 mate 2 安装ROS noetic 3 安装cartographer 4 详细配置cartographer 5 ...
激光SLAM技术总结（1）激光SLAM对比视觉V-SLAM
目录 1. SLAM 2. 激光SLAM 3. 视觉SLAM地图构建 4. 激光SLAM VS V-SLAM 5. 小结 1. SLAM SLAM(同步定位与地图构建),是指运动物体根据传感器的信息 ...
3D激光开源项目——BLAM安装使用过程的一些问题
最近由于在做3D激光slam的相关工作,在网上看见 BLAM 的效果不错,就下载了相关的代码跑了一下,在编译安装过程中遇到了一些问题,在这里记录一下,供有需要的同学看一下. 具体的安装过程这里就不在赘 ...

开源激光SLAM项目BLAM－－－－－１

系统概述

开源激光SLAM项目BLAM－－－－－１相关推荐

最新文章

热门文章