lego-loam featureAssociation 源码注释(五)

上一次我们已经看完了特征提取,这次我们进入特征匹配的内容!!!

  /**
		2. Feature Association
        */
        if (!systemInitedLM) {
            checkSystemInitialization();
            return;
        }

        updateInitialGuess();

        updateTransformation();

        integrateTransformation();

        publishOdometry();

        publishCloudsLast(); // cloud to mapOptimization
    }

systemInitedLM = false; systemInitedLM的初始值为false。

 一、checkSystemInitialization()

 void checkSystemInitialization(){

        pcl::PointCloud<PointType>::Ptr laserCloudTemp = cornerPointsLessSharp;
        cornerPointsLessSharp = laserCloudCornerLast;
        laserCloudCornerLast = laserCloudTemp;

        laserCloudTemp = surfPointsLessFlat;
        surfPointsLessFlat = laserCloudSurfLast;
        laserCloudSurfLast = laserCloudTemp;

        kdtreeCornerLast->setInputCloud(laserCloudCornerLast);
        kdtreeSurfLast->setInputCloud(laserCloudSurfLast);
// 使用交换后的 laserCloudCornerLast 和 laserCloudSurfLast 更新两个KD树(kdtreeCornerLast 和 kdtreeSurfLast)的输入云数据。
// KD树是用于加速最近邻搜索的数据结构,这里可能用于后续的点云匹配和处理。

        laserCloudCornerLastNum = laserCloudCornerLast->points.size();
        laserCloudSurfLastNum = laserCloudSurfLast->points.size();

        sensor_msgs::PointCloud2 laserCloudCornerLast2;
        pcl::toROSMsg(*laserCloudCornerLast, laserCloudCornerLast2);
        laserCloudCornerLast2.header.stamp = cloudHeader.stamp;
        laserCloudCornerLast2.header.frame_id = "camera";
        pubLaserCloudCornerLast.publish(laserCloudCornerLast2);

        sensor_msgs::PointCloud2 laserCloudSurfLast2;
        pcl::toROSMsg(*laserCloudSurfLast, laserCloudSurfLast2);
        laserCloudSurfLast2.header.stamp = cloudHeader.stamp;
        laserCloudSurfLast2.header.frame_id = "camera";
        pubLaserCloudSurfLast.publish(laserCloudSurfLast2);

        transformSum[0] += imuPitchStart;
        transformSum[2] += imuRollStart;

        systemInitedLM = true;
    }

将cornerPointsLessSharp的值存入laserCloudCornerLast,并发布。

将surfPointsLessFlat的值存入laserCloudSurfLast,并发布。

transformSun[i]=0,原来初值为0。

更新transformSum的值,有个问题:为什么不更新transformSum【1】??

transformSum[0] += imuPitchStart;

transformSum[2] += imuRollStart;

将systemInitedLM设置为true1,然后进入到特征匹配。

二、updateInitialGuess()

 void updateInitialGuess(){

        imuPitchLast = imuPitchCur;
        imuYawLast = imuYawCur;
        imuRollLast = imuRollCur;

        imuShiftFromStartX = imuShiftFromStartXCur;
        imuShiftFromStartY = imuShiftFromStartYCur;
        imuShiftFromStartZ = imuShiftFromStartZCur;

        imuVeloFromStartX = imuVeloFromStartXCur;
        imuVeloFromStartY = imuVeloFromStartYCur;
        imuVeloFromStartZ = imuVeloFromStartZCur;

        if (imuAngularFromStartX != 0 || imuAngularFromStartY != 0 || imuAngularFromStartZ != 0){
            transformCur[0] = - imuAngularFromStartY;
            transformCur[1] = - imuAngularFromStartZ;
            transformCur[2] = - imuAngularFromStartX;
        }
        
        if (imuVeloFromStartX != 0 || imuVeloFromStartY != 0 || imuVeloFromStartZ != 0){
            transformCur[3] -= imuVeloFromStartX * scanPeriod;
            transformCur[4] -= imuVeloFromStartY * scanPeriod;
            transformCur[5] -= imuVeloFromStartZ * scanPeriod;
           //extern const float scanPeriod = 0.1;
        }
    }

更新imu的值,imuPitchCur、imuYawCur、imuRollCur等值都是在adjustDistortion()函数中,通过插值得到的。

注意这里坐标轴的变换与对应:

transformCur[0] = - imuAngularFromStartY;
transformCur[1] = - imuAngularFromStartZ;
transformCur[2] = - imuAngularFromStartX;

这里的imuAngularFromStartYimuVeloFromStartX都是累积值,但是累积的方式很简单,很粗糙:

imuShiftX[imuPointerLast] = imuShiftX[imuPointerBack] + imuVeloX[imuPointerBack] * timeDiff + accX * timeDiff * timeDiff / 2;
imuShiftY[imuPointerLast] = imuShiftY[imuPointerBack] + imuVeloY[imuPointerBack] * timeDiff + accY * timeDiff * timeDiff / 2;
imuShiftZ[imuPointerLast] = imuShiftZ[imuPointerBack] + imuVeloZ[imuPointerBack] * timeDiff + accZ * timeDiff * timeDiff / 2;
imuVeloX[imuPointerLast] = imuVeloX[imuPointerBack] + accX * timeDiff;
imuVeloY[imuPointerLast] = imuVeloY[imuPointerBack] + accY * timeDiff;
imuVeloZ[imuPointerLast] = imuVeloZ[imuPointerBack] + accZ * timeDiff;

imuAngularRotationX[imuPointerLast] = imuAngularRotationX[imuPointerBack] + imuAngularVeloX[imuPointerBack] * timeDiff;
imuAngularRotationY[imuPointerLast] = imuAngularRotationY[imuPointerBack] + imuAngularVeloY[imuPointerBack] * timeDiff;
imuAngularRotationZ[imuPointerLast] = imuAngularRotationZ[imuPointerBack] + imuAngularVeloZ[imuPointerBack] * timeDiff;

三、更新变换矩阵

updateTransformation()

void updateTransformation(){

        if (laserCloudCornerLastNum < 10 || laserCloudSurfLastNum < 100)
            return;

        for (int iterCount1 = 0; iterCount1 < 25; iterCount1++) {
            laserCloudOri->clear();
            coeffSel->clear();

            findCorrespondingSurfFeatures(iterCount1);

            if (laserCloudOri->points.size() < 10)
                continue;
            if (calculateTransformationSurf(iterCount1) == false)
                break;
        }

        for (int iterCount2 = 0; iterCount2 < 25; iterCount2++) {

            laserCloudOri->clear();
            coeffSel->clear();

            findCorrespondingCornerFeatures(iterCount2);

            if (laserCloud
内容概要:本文探讨了江西省物流需求预测及发展对策,通过构建物流需求预测指标体系并使用熵权-灰色关联分析法筛选指标,随后构建了支持向量机回归、极限学习机和随机森林回归三种单一模型以及Shapley值组合预测模型。文章还使用GM(1,1)模型预测相关指标,并将结果输入组合模型预测未来5年物流需求,结果显示组合模型平均误差3.78%,预测2020-2024年江西省物流需求将保持平稳发展。基于SWOT分析提出了物流业发展对策,包括基础设施建设、智慧物流发展路径、人才发展战略等方面。此外,文章还详细探讨了组合预测方法的研究现状和技术实现,分析了江西省物流预测研究的演进及局限性,并对未来研究方向提出了建议。适合人群:物流行业从业者、物流及相关专业的研究人员、政府相关部门决策者。使用场景及目标:①了解江西省物流需求预测的方法及其实现过程;②掌握基于机器学习组合模型的预测技术;③学习SWOT分析方法及其在物流业发展对策中的应用;④探索组合预测方法的研究现状及前沿方向。其他说明:本文不仅提供了详细的理论分析,还附带了完整的Python代码实现,方便读者复现实验结果。建议读者在学习过程中结合代码进行实践,以加深对预测模型的理解。同时,本文提供的发展对策可以为江西省物流业的实际发展提供参考依据。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值