Cartographer源码解析：点云数据重力对齐与Z轴过滤

最新推荐文章于 2025-06-06 09:00:59 发布
最新推荐文章于 2025-06-06 09:00:59 发布
阅读量340 收藏 1
点赞数
文章标签： 编程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/TechRoar/article/details/133025457
版权
编程 专栏收录该内容
374 篇文章 ¥29.90 ¥99.00
订阅专栏
本文详细解析了Cartographer的LocalTrajectoryBuilder2D::AddRangeData函数，该函数负责点云数据的重力对齐和Z轴过滤。通过对点云数据的坐标转换和过滤，提高了地图构建的准确性和鲁棒性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Cartographer是一种用于构建2D和3D地图的开源SLAM（Simultaneous Localization and Mapping）系统。在Cartographer的源代码中，有一个重要的函数LocalTrajectoryBuilder2D::AddRangeData，该函数实现了点云数据的重力对齐和Z轴过滤。本文将对该函数进行详细解析，并提供相应的源代码。

LocalTrajectoryBuilder2D::AddRangeData函数的主要功能是将新的点云数据添加到地图中，并进行重力对齐和Z轴过滤。下面是该函数的源代码：

void LocalTrajectoryBuilder2D::AddRangeData(
    const common::Time time,
了解本专栏 订阅专栏 解锁全文
(02)Cartographer源码无死角解析-(31) LocalTrajectoryBuilder2D::AddRangeData()→点云数据重力对齐,Z轴过滤
江南才尽江南山，年少无知年少狂！
11-29 1210
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.youkuaiyun.com/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，\c
cartographer点云匹配时为什么要重力对齐？
南北粉面馆
01-16 5525
AddAccumulatedRangeData里面的这行代码的含义 在这里插入代码片 const transform::Rigid2d pose_prediction = transform::Project2D( non_gravity_aligned_pose_prediction * gravity_alignment.inverse());``` 表面上只是重力对齐以后再处理，其实这里面还为后续的匹配与查找减轻了查找范围，因为* gravity_alignment.inverse()
cartographer的重力对齐原理
ergevv的博客
03-11 1244
cartographer、重力对齐、PoseExtrapolator
SLAM学习笔记（十九）开源3D激光SLAM总结大全——Cartographer3D,LOAM,Lego-LOAM,LIO-SAM,LVI-SAM,Livox-LOAM的原理解析及区别
热门推荐
微鉴道长的博客
04-26 3万+
本文为我在浙江省北大信研院-智能计算中心-情感智能机器人实验室-科技委员会所做的一个分享汇报，现在我把它搬运到博客中。 由于参与分享汇报的同事有许多是做其他方向的机器人工程师（包括硬件、控制等各方面并不是专门做SLAM的工程师），加上汇报的内容较多，因此在分享中我尽量使用简介的口语，而不出现复杂的公式。所以本文面向的是3D-slam方向的初学者。内容在整理中参考了许多链接，将放在最后。 在文章结束后，我会把原PPT放在上面，需要者自取。 另外打个广告，在slam方向有实习意愿的，请发送简历至zkyy8
Google Cartographer 框架中的核心概念解析
最新发布
gitblog_00582的博客
06-06 283
Google Cartographer 框架中的核心概念解析 cartographer 项目地址: https://gitcode.com/gh_mirrors/car/cartographer ...
cartographer 3D scan matching 理解
weixin_30243533的博客
05-18 776
　　cartographer 3D scan matching没有论文和其它资料，因此尝试通过源码理解其处理方法，理解不当之处还请指正。 目录： 0、2D 匹配方法简介 1、real time correlative scan matcher; 2、fast correlative scan matcher; 3、ceres scan matcher; 　　论文《Real-Tim...
Vins_mono重力对齐理解
Sunshine_xiaodaxia的博客
12-29 2706
vins_mono初始化重力对齐 为何R0需要补偿-yaw角度
cartographer LocalTrajectoryBuilder2D
xiaoma_bk的博客
07-23 1816
1. 所处： LocalTrajectoryBuilder2D cartographer/mapping/internal/2d/local_trajectory_build_2d.cc /.h中 LocalTrajectoryBuilder2D 类在 map_build.cc 中 AddTrajectoryBuilder 函数中被构造 2. 主要函数： 函数一、AddRangeData...
【cartographer】园区场景自动驾驶-利用GPS实现ENU坐标系下的建图与定位
weixin_43259286的博客
07-06 2811
园区场景自动驾驶-利用GPS实现当地地理坐标系下的建图与定位 概述 主要实现如下的功能： 1、利用gps信息，修正题图为当地地理ENU坐标系； 2、在纯定位模式下，利用gps与imu(rtk)信息，实现车辆在地图中的初始定位； 利用gps下的修改细节 利用gps修正地图坐标系原点与朝向： 修正、保存参数与初始定位应用。 1、利用gps修正map坐标与ENU坐标系重合； 在optimization_problem_3d.cc文件中做如下更改。 在函数OptimizationProblem3D::Solve()
[cartographer疑问系列] 9. 如何利用3D 数据生层2D栅格地图
yaoyaoqiekenaoo的博客
11-25 839
记轨迹系 为 L 系， 当前帧系 为 c 系， 重力系为 W 系 我们想要做的是： 1. 估计的 3D pose Tlc 的投影，直接取 x y ----- 在 L系下进行投影 2. 当前帧的点云投影，直接取 x y --- 必须满足：当前帧系 与L系的 Z 轴重合 如果机器人肯定是在平面上运动，那么很简单，直接取 x y 即可。 如果机器人是一个3D空间的运动呢，如何达到上述要求呢？难点是第2点，地图系是固定的，但是当前帧系是变化的啊，如何保证两者的 Z 轴重合呢？...
Cartographer源码解析：里程计数据处理
"这篇文档是关于Cartographer源码的解析，特别是如何添加和解算里程计数据。Cartographer是一款开源的SLAM（Simultaneous Localization and Mapping）库，用于构建3D地图。本文档深入探讨了Cartographer的核心组件，...
Cartographer源码解析：MapBuilderBridge与TrajectoryBuilder
"本文主要对Cartographer开源项目进行源码解析，涵盖了从`cartographer_node`的运行流程，到`MapBuilderBridge`的功能解析，以及`TrajectoryBuilder`在局部SLAM中的作用。" 在Cartographer中，成员变量是构成系统...
Cartographer源码解析：框架与MapBuilderBridge深度探讨
"Cartographer源码解析 最新" Cartographer是一个开源的SLAM（Simultaneous Localization and Mapping，同时定位与建图）解决方案，它处理来自Laser、IMU、Odometry等传感器的数据，构建连续的地图，并实现机器人在...
ORBSLAM3中IMU初始化时重力方向的确定代码原理解析
诗筱涵的博客
10-07 1216
下面这个速度预积分我们可以认为是基于第i帧imu系的，由于代码里是从第一个关键帧开始累加，可以认为是基于第一个imu帧坐标系了，再外乘以标定得到的相机IMU外参Tcb，那么可以认为是基于第一帧相机系的，而初始化的时候第一帧相机系就是作为世界系的，所以最终得到的可以认为是重力向量在图像世界系下的方向。会由下面代码得到重力方向的初值之后再经过优化得到更为精确的重力方向的值，所以注意下面代码得到的是一个提供给优化的初值，不是要求一开始就得到一个非常准确的值，但是偏差也不能大了。
vins中的坐标系变换及g2r函数
huanghaihui_123的博客
11-14 5926
slam中经常会需要表示一个刚体的位姿。例如imu的位姿，相机的位姿。首先我们需要在一个刚体上架上一个坐标系。这个坐标系为本体坐标系。 怎么架一个坐标系？imu本身就有规定其本身的x,y,z轴的方向。相机一般认为，z轴平行于镜头朝外，x轴与像平面的水平方向一致，从左到右，y轴与像平面垂直方向一致，从上到下。 现在我们以这个cam坐标系作为参考，解算出了imu坐标系在cam坐标系下的位姿，为 R...
常见不同3D激光SLAM方案对比
lovely_yoshino的博客
12-23 5921
各种方案的优缺点如下：方案优点不足ALOAM1. 在几何特征丰富时比较稳定1. 后期内存会出现爆炸，计算效率下降2. 在几何特征较少时会产生明显漂移LeGo-LOAM1. 在地面点丰富时比较稳定2. 轻量级1. 在地面点缺乏时很容易崩溃2. 得到的地图比较稀疏LINS1. 轻量级1. z方向漂移明显2. 得到的地图比较稀疏3. 目前的版本要求Lidar与IMU体坐标系的xy平面平行，不接受自己提供的外參LIO-SAM1. 存在回环检测，能较好地闭合回环2. 稳定性强。
Cartographer源码阅读---点云数据的预处理
qq_41663016的博客
05-05 1908
上面参数传递, 函数调用一层一层的, 一开始看很难看懂, 真的需要自己仔仔细细捋一捋, 在这简单做个总结, 总结一下点云数据预处理中坐标的转换第一步: 进行多个雷达点云的时间同步, 此时点云的坐标是相对于tracking_frame的初始点云坐标为(10, 8)第二步: 预测出每个点云的时间戳, 通过位姿推测器推测出tracking frame 在local坐标系下的坐标.第三步: 去除运动畸变, 方法是将tracking_frame的hit坐标转化成local坐标系下的坐标。
Cartographer源码解析——2D栅格地图构建
m0_67976789的博客
04-22 4504
到目前为止，对于点云数据的预处理过程已经介绍完毕，如：点云数据多传感器时间同步、运动畸变校正、重力校正、体素滤波等。做完这一系列的预备工作之后，实际上呢，就可以进行点云的扫描匹配了。在讲解扫描匹配之前，先来看看 Cartographer 2D 的栅格地图，其不像3D点云地图有很多成熟的库可以调用，具有统一的标准。大多数 2D Slam 的栅格地图都是需要自己编写代码进行构建的。下面就来看看 Cartographer 中时如何构建的。
雷达系列论文翻译（十二）：Cartographer系列（二）
weixin_39061796的博客
07-07 640
A Flexible and Scalable SLAM System with Full 3D Motion Estimation 摘要 对于城市搜索救援（USAR）场景中的许多应用，机器人需要学习未知环境的地图。本文提出了一种需要较少计算资源的快速在线学习精确栅格地图的系统，该系统结合了一种基于激光雷达系统的鲁棒扫描匹配方法和一种基于惯性传感器的三维姿态估计系统。通过快速逼近地图梯度和多分辨率栅格，实现了在各种具有挑战性的环境中的可靠的定位和建图能力，并提供了多个数据集，展示了嵌入式手持式建图系统的适用
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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