SLAM建图时的坐标系变换关系

最新推荐文章于 2024-12-18 19:15:52 发布
原创 最新推荐文章于 2024-12-18 19:15:52 发布 · 4.8k 阅读 · 46 ·
CC 4.0 BY-SA版权
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。
文章标签：

#slam

1.常见坐标系

SLAM中常见的坐标有:

  • /odom
  • /fix
  • /lidar
  • /base_link
  • /imu

2.GPS到UTM坐标系的转换

建图的过程中，会用到GPS的信息，较准的GPS信息能够对Lidar帧与帧之间的关系添加constraint，从而提高建图回环的成功率。
实际在用的GPS中的经纬度信息，会转换成UTM坐标系（xy坐标系），这部分的内容可以自行上网找资料。

3.map坐标系

UTM坐标系反应的是世界上的绝对坐标，建图结束之后所生成的地图，需要能够准确地定位到在地球上的位置，这个定位将决定UTM坐标系到map坐标系的transformation关系。
注意，这里的UTM到Map的映射是固定的，一旦地图构建完毕，两者之间的映射将不会再改变。
而确定的方法则是在建图开始时，机器人所在的位置设置为原点，即map的原点，这个点的信息由GPS转换为UTM所得。这样的话只确定了平移，旋转量则由偏航角提供，而偏航角一般是由车载的两个GPS做差而得。
确定了起始点的平移和旋转量，UMT到Map的transformation即可确定。

4.理解odom坐标系的漂移

若是odom是理想的，没有漂移，那么理想情况下如下图所示：

image_1d5mk21u5hgk1b713saqm81ebc9.png-19.8kB
实际情况是odom会随着时间的增加，odom到map之间会不

最低0.47元/天 解锁文章
高精地图构建：Lidar SLAM与视觉SLAM对比
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
10-08 17万+
高精地图构建：Lidar SLAM与视觉SLAM对比​ ，人工智能，计算机视觉，大模型，AI，本文围绕高精地图构建，对比 Lidar SLAM 与视觉 SLAM。Lidar SLAM 通过激光获取点云数据，精度高、环境适应性强但成本高、数据量大；视觉 SLAM 利用图像，成本低、信息丰富却受光照影响大、深度获取难。还解析了 SLAM、点云等关键概念，介绍了两者融合趋势、应用案例、技术挑战及未来方向，也给出常见问题解答，为相关领域应用与学习提供参考。
视觉SLAM笔记（6） 坐标系
热门推荐
氢键H-H
09-25 1万+
点和向量、坐标系、内积、外积
ＳＬＡＭ坐标系
bufengzj的博客
08-09 2810
首先，推送一个ｃ++源码分析神器　ｕｎｄｅｒｓｔａｎｄ 下载地址：https://scitools.com/download/chinese/ 破解地址：https://blog.youkuaiyun.com/wyy_sunshine/article/details/40616051 版本：Understand-3.1.67064位　 证书CODE(32/64 都可用) 09E58CD1F...
SLAM中各个坐标系之间的转换
n66040927的博客
01-17 6882
在视觉SLAM中，有几个基本的坐标系 世界坐标系相机坐标系成像平面坐标系图像像素坐标系 如何在各坐标系之间相互转换，把摄像头输出的2D图像和我们所在的三维世界一一对应，是SLAM技术研究的一大重点，从世界坐标系如何在各坐标系之间相互转换，把摄像头输出的2D图像和我们所在的三维世界一一对应，是SLAM技术研究的一大重点是一个小孔成像的模型，其中：   [1]O点表示camera centr
对于SLAM定位中各类坐标系的理解（坐标系，里程计坐标系，基座坐标系与雷达坐标系）
qq_44305240的博客
12-05 7300
SLAM中各类坐标系的理解，主要侧重于里程计坐标系（odom)与map坐标系的变换等
【视觉SLAM十四讲】4个坐标系变换总结
weixin_44413191的博客
07-30 2852
本文为视觉 SLAM 学习总结，总结 4 个坐标系变换的关系。
基于ROS的 激光雷达+小车+IMU 的 SLAM建图定位路径规划源码+详细说明.zip
04-30
tf变换：map(地图坐标系)-->odom(里程计坐标系)——>base_link(小车基座坐标系)——>传感器坐标系(lidar、camera) ---- map-->odom 由建图算法提供 ---- odom --> base_link 由小车驱动提供 ---- base_link --> ...
基于单线激光雷达SLAM建图与路径规划c++实现源码+项目说明(SLAM建图、定位、路径规划).zip
09-21
tf变换：map(地图坐标系)-->odom(里程计坐标系)——>base_link(小车基座坐标系)——>传感器坐标系(lidar、camera) ---- map-->odom 由建图算法提供 ---- odom --> base_link 由小车驱动提供 ---- base_link --> ...
基于ROS的 激光雷达+小车+IMU 的SLAM建图定位路径规划C++源码+详细项目说明.zip
06-11
tf变换：map(地图坐标系)-->odom(里程计坐标系)——>base_link(小车基座坐标系)——>传感器坐标系(lidar、camera) ---- map-->odom 由建图算法提供 ---- odom --> base_link 由小车驱动提供 ---- base_link --> ...
视觉SLAM-无人驾驶 刚体的坐标系与运动、李群与李代数 AR VR 回路检测 教学视频 资料代码
07-12
本次的SLAM课程主要包括以下三个部分： 1.以快速入门和理解为主，讲解SLAM的基本概念和知识，包括传感器、滤波、刚体的坐标系与运动、李群与李代数。其中传感器主要涉及视觉和激光两部分。视觉部分将介绍相机模型以及底层、中层、高层图像处理。 2.围绕当前研究的热点和重点来解答一下几个问题：SLAM与无人机有什么联系？SLAM与无人驾驶存在那些技术和未知的探索？AR/VR为什么需要凭借SLAM，又可以为我们带来什么？ 我们生活的实践中，SLAM助力盲人导航？ 3.以程序示例来进行模块化演示和强化理解，抛开那些所谓的多视几何、随机估计、计算几何等困扰，简化理解，快速找寻兴趣点。不管是从事机器视觉、激光雷达，还是VINS都将在这里找到自己的部分回答。 【课程内容】 01 slam概论和架构 02 slam基本理论一：坐标系、钢体运动和李群 03.SLAM基本理论二：从贝叶斯开始学滤波器 04.slam基本理论三图优化 05.SLAM的传感器 06.视觉历程计和回路检测 07.激光里程计和回路检测 08地图以及无人驾驶系统
SLAM中的几种坐标系
weixin_44884561的博客
02-20 263
对于SLAM定位中各类坐标系的理解（坐标系，里程计坐标系，基座坐标系与雷达坐标系）
SLAM编程：坐标变换
Ares_WangZiquan的博客
03-07 1365
SLAM编程：坐标变换前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码如下（示例）： import numpy as np
slam 相机模型 -- 坐标系理解
qq_25022577的博客
05-18 1147
slam 相机模型中使用到的四种坐标系 记录下最近两天，学习slam相机模型时使用到的四种坐标系。 slam下各坐标系理解 世界坐标系 在环境中选择一个参考坐标系来描述摄像机和物体的位置，该坐标系称为世界坐标系，为三维坐标系。 相机坐标系 以光心为原点，z 轴指向相机前方，x 向右，y 向下，为三维坐标系。 成像平面坐标系 现实世界的物体/镜像，经过小孔（光心）O，落在物理成像平面上，x向右平行于相机坐标系x，y向下平行于相机坐标系y，无深度信息，是一个二维坐标系。 像素坐标系 在成像平面上对像进行采样和
slam中地图地图原点坐标系或world或grid坐标系在map坐标系下的转换关系
苏凯的博客
03-22 431
计算小车base_link在world或grid坐标系或地图原点坐标系下的坐标。
SLAM常用坐标系总结：
zack_liu的博客
08-13 1841
SLAM常用坐标系总结： kitti相机坐标系x-y-z分别为指向车体右下前方向，使用标定参数可将雷达点云转到相机坐标系下； loam原始点云坐标系x-y-z分别为指向车体前右下方向； loam坐标系x-y-z分别为指向车体右下前方向； cartographer 坐标系x-y-z分别为指向车体前左上方向； ...
SLAM 坐标系变换 (包含CoreSLAM)
MyArrow的专栏
05-16 3124
1. 主要思想 CoreSLAM（tinySLAM）主要思想就是基于粒子滤波器（particle filter）将激光数据整合到定位子系统中。 目标：算法简单、易于理解、但提供好的性能；且易于集成到基于粒子滤波的框架中。 ...
SLAM中的空间坐标变换
mockbird123的博客
04-15 1695
在机器人开发时，经常遇到不同坐标系之间互相转换的问题。不同传感器要统一到同一个坐标系下，做slam时，地图坐标系，移动机器人base坐标系，机械臂坐标系之间也需要互相转换，所以，就按照自己的思路，同时参考网上资料，把坐标变换整理一下做个记录。内容原创，仅供参考，如有错误，希望大家可以留言相互学习。 对于不同的三维空间坐标系W，A，B，其中W为世界坐标系，A、B为任意机器人坐标系。 A在W中的位姿可以用平移加旋转表示，平移表示为三维向量twa，旋转表示为三维单位正交阵Rwa，旋转也可表示为四元数.
SLAM 中常见坐标系及转换关系
qq_58133908的博客
12-18 1082
FRD：X轴向前，Y轴向右，Z轴向下，Front-Right-Down。如果IMU是按照前-右-下安装的，那么就是NED坐标系或者纬经高。如果IMU是按照右-前-上安装的，那么就是ENU坐标系或者经纬高。FLU：X轴向前，Y轴向左，Z轴向上，Front-Left-Up。roll、potch、yaw对应关系。roll、potch、yaw对应关系。
激光slam建图时，地图坐标系的原点和方向是怎么确定的
最新发布
03-25
<think>好的，用户问的是激光SLAM建图时地图坐标系的原点和方向是如何确定的。我需要先回顾一下之前讨论过的ROS中的TF，因为坐标系的问题和TF紧密相关。用户可能已经了解了一些关于TF的基础知识，现在想深入理解在SLAM过程中的具体应用。 首先，用户可能在进行激光SLAM的实际项目或者学习中遇到了坐标系设置的问题，比如地图原点应该放在哪里，方向怎么定，这会影响后续的导航或路径规划。我需要解释清楚不同阶段的坐标系确定方法，比如初始时刻、建图过程中以及最终地图的调整。 需要明确激光SLAM的流程，通常包括前端扫描匹配、后端优化、闭环检测等步骤。在这些步骤中，地图坐标系的原点和方向可能随着算法不同而有所变化。例如，基于滤波的方法（如Gmapping）和基于图优化的方法（如Cartographer）可能在处理方式上有差异。 然后，我应该分阶段解释原点和方向的确定： 1. **初始化阶段**：通常以第一个激光扫描帧的原点作为起点，或者根据传感器的初始位姿确定。这里可能需要提到常见的做法，比如将初始时刻的机器人位置设为原点，x轴指向前进方向，符合右手定则。 2. **建图过程中**：随着机器人的移动，地图会扩展，但原点通常保持不变，除非有重定位或全局调整。这时候需要说明里程计的累积误差如何处理，以及优化算法对地图坐标系的影响。 3. **闭环检测后**：当检测到闭环时，后端优化会调整整个地图的位姿，可能导致原点的轻微变化。需要强调优化后的全局一致性，但原点可能被重新对齐到初始位置或者其他显著位置。 此外，用户可能关心实际应用中的设置，比如是否可以在建图后手动调整原点，或者如何将地图坐标系与其他系统（如导航栈）对齐。需要提到常见的工具和方法，例如使用TF的static_transform_publisher来调整地图坐标系，或者在AMCL中使用初始位姿估计。 还需要注意常见问题，比如原点选择不当导致的导航问题，或者地图漂移对坐标系的影响。可能用户在实际操作中遇到了地图对齐的问题，需要解释如何通过调整参数或算法来优化。 最后，总结关键点，强调原点确定的重要性，以及不同SLAM算法的处理方式，帮助用户根据具体需求选择合适的配置方法。</think>在激光SLAM（Simultaneous Localization and Mapping，即时定位与地图构建）中，地图坐标系（通常为`map`或`world`）的原点和方向确定是算法的核心问题之一。其确定方式与**SLAM初始化策略**、**传感器数据融合方法**以及**后端优化逻辑**密切相关。以下是关键要点： --- ### **一、初始原点的确定** 1. **默认初始化** - **起点即原点**：大多数SLAM算法（如Gmapping、Cartographer）默认将机器人的**初始位置**设为地图坐标系的原点，即`(0, 0, 0)`。 - **方向约定**：通常将机器人初始朝向设为x轴正方向，y轴向左，z轴向上（符合右手坐标系规则）。例如： $$ \text{初始位姿} = (x=0, y=0, \theta=0) \Rightarrow \text{朝向x轴} $$ 2. **手动指定** - 某些场景（如多机器人协作）需通过代码或参数强制指定原点： ```yaml # Cartographer配置示例（设置初始位姿） TRAJECTORY_BUILDER_2D.initial_pose = { translation = {0.0, 0.0, 0.0}, rotation = 0.0 } ``` --- ### **二、建图过程中原点的动态性** 1. **前端里程计的累积误差** - 激光SLAM的前端（如Scan Matching）会根据相邻帧的匹配结果估计机器人运动，但误差会随时间累积，导致**原点相对真实世界偏移**。 2. **后端优化的全局调整** - 后端优化（如基于图优化的Cartographer）通过闭环检测（Loop Closure）修正全局地图，可能导致**原点发生微小偏移**： - 若检测到与历史位置的闭环匹配，优化算法会调整整个地图位姿，使原点可能偏离初始位置。 - **关键特性**：优化后的地图坐标系仍保持全局一致性，但原点可能不再是机器人的初始位置。 --- ### **三、地图方向的确定** 1. **与传感器数据对齐** - 地图的x/y方向通常与激光雷达的扫描平面（2D SLAM）或机器人运动方向对齐。例如： - 若机器人初始朝向走廊，地图的x轴将与走廊方向一致。 2. **重力方向对齐（3D SLAM）** - 在3D SLAM（如LOAM、LIO-SAM）中，z轴通常与重力方向对齐（通过IMU数据校准）。 --- ### **四、实际应用中的调整方法** 1. **手动重定位原点** - 建图完成后，可通过工具（如`map_server`）调整地图原点： ```bash rosrun map_server map_saver -f my_map --origin 1.0 2.0 0.0 ``` - 或通过TF发布静态变换，将地图对齐到其他坐标系（如`odom`）： ```xml <node pkg="tf" type="static_transform_publisher" name="map_to_odom" args="0 0 0 0 0 0 map odom 100"/> ``` 2. **导航时的动态调整** - 在导航栈（如`move_base`）中，通过`initial_pose`话题或`amcl`参数设置初始位姿，将机器人当前位置对齐到地图坐标系。 --- ### **五、典型SLAM算法的处理差异** | **算法类型** | **原点确定方式** | **方向修正能力** | |--------------------|--------------------------------------|--------------------------------| | **滤波类（Gmapping）** | 依赖初始位姿，原点固定 | 无法全局优化，方向可能漂移 | | **图优化类（Cartographer）** | 闭环优化后原点可能偏移 | 通过闭环检测修正全局方向 | | **视觉-激光融合（LIO-SAM）** | 与IMU重力方向对齐 | 依赖传感器融合，方向更稳定 | --- ### **六、常见问题与解决方案** 1. **问题：建图后地图原点偏移** - **原因**：闭环优化或传感器误差累积。 - **解决**：通过手动调整静态变换或重发布`map→odom`变换对齐。 2. **问题：地图方向与真实场景不一致** - **原因**：机器人初始朝向未正确设置。 - **解决**：在SLAM初始化时指定初始位姿的旋转角（如`theta=π/2`）。 --- ### **总结** 激光SLAM地图坐标系的原点和方向由**初始化策略**和**后端优化**共同决定： 1. **原点**：初始位置为默认原点，但可能因全局优化发生偏移。 2. **方向**：与机器人初始朝向或传感器重力方向对齐。 实际应用中，需根据导航需求或场景特征，通过手动调整或传感器融合确保地图坐标系符合预期。
评论 8
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