3D SLAM定位算法--NDT

光猫不发光

已于 2024-10-30 15:54:40 修改

阅读量887

点赞数 6

文章标签：算法人工智能机器人自动驾驶动态规划

于 2024-10-29 19:51:38 首次发布

本文链接：https://blog.youkuaiyun.com/qq_53004665/article/details/143306187

版权

在前面文章中尝试了几种3D SLAM算法进行高精度建图，为了实现后续小车的导航任务，这里开始对小车在地图中进行定位

1.安装编译

#创建工作空间
mkdir -p ~/ndt_localizer/src
cd ~/ndt_localizer/src
catkin_init_workspace
 
git clone https://github.com/hujiax380/ndt_loc.git
cd ..
catkin_make

2.修改配置文件

2.1修改map_loader.launch

将原来的pcd_path替换成（包）/路径/文件名

将你通过3D算法建的pcd地图放到ndt_localizer/src/ndt_loc/ndt_localizer/map下

2.2修改points_downsample.launch

修改你雷达的话题名

该处根据雷达情况设置size，原作者建议是：

如果您的 Lidar 数据稀疏（如 VLP-16），则需要配置更小的 .如果你的激光雷达点云很密集（VLP-32、Hesai Pander40P、HDL-64 等）保持为:leaf_size 2.0 或3.0

2.3修改static_tf.launch

根据你自己雷达的frame_id进行修改

3.运行DNT定位算法

3.1运行DNT定位算法（等待一点时间在rviz中加载出地图）

cd ndt_localizer
source ./devel/setup.bash
roslaunch ndt_localizer ndt_localizer.launch

3.2打开新终端播放数据包

4.注意事项：

我在进行定位时发现有很大的漂移问题，为解决，修改了在参数，如下：

ndt_localizer/src/ndt_loc/ndt_localizer/launch/ndt_localizer.launch文件，其中

trans_epsilon：两个连续变换的最大差异，默认为0.05，用于判断是否收敛。数值越小，精度越高，但可能增加收敛时间。
step_size：优化算法的最大步长，默认为0.1。调整步长可以平衡收敛速度与稳定性。
resolution：NDT体素网格的分辨率，默认为2.0。数值越小，精度越高，但计算量增加；数值越大，精度较低但计算量减少。
max_iterations：最大迭代次数，默认为30，控制对齐计算的迭代上限，防止过度计算。
converged_param_transform_probability：通常用于定义变换概率的阈值，作为收敛判断的另一个依据。

我设置的如下可供参考：

5.最后展示效果：（和我实际跑的路线基本符合）