ros:cartographer（二）整体介绍

cartographer的doc中给出了这个图。
现在我还没看过源码，所以只能猜测一些内容。
待看完源码后，再详细介绍这个图。

直观地说，左侧的是输入的数据，包括测距数据、码盘里程计和IMU数据。左下方的固定的姿态应该是作为整个sparse pose的锚点。

pose extrapolator的输入包括：里程计姿态、imu估计的姿态和扫描匹配输出的姿态。既然有三种关于姿态的信息（实际中可以配置，如没有IMU），那么可以通过滤波方法获得更准确的位姿估计。这里我的感觉还应该有其他的功能，如作为扫描匹配的初值。
这里的一个问题是：scan-matching是采用哪种方式？图中就有距离数据和位姿进入scan matching，感觉少一部分内容。

扫描匹配的姿态传递给运动滤波蒸馏（位姿变化或时间变化），也就是如果机器人一直静止不动的话，新来的数据是没有太大意义的，所以把这些数据扔掉。

如果运动了或者经过了一段时间，则把姿态和滤波后的激光数据加入到sub map中。
并插入结果（时间、姿态、数据和submaps）

然后传递给后端线程，创建位姿图。这里包括回环检测。

大体上从这个图中，若没有看过源码，很多细节还是不清楚。

由于我的下一步工作是做相关内容，所以我将重点关注：
采用里程计和2D激光雷达传感器，构建栅格地图。所以在后续的文章中，主要分析与之相关的源码内容。

这里我的问题：
1 扫描匹配采用何种方式？scan-scan，scan-map，map-map？
2 位姿图是如何构建的？
3 如何进行的回环检测？
4 里程计和扫描匹配的姿态融合采用何种方法?
5 …

cartographer 用到的库：

Boost：准标准的C++库。

Eigen3： 准标准的线性代数库。

Lua：非常轻量的脚本