Cartographer框架简述

catographer框架分为前端和后端

前端包括雷达数据处理；位姿预测；扫描匹配和栅格地图更新。

后端包括后端：线程池任务与调度；向位姿图添加节点，计算节点的子图内约束和子图间约束（回环检测）；多分辨率地图；基于分支定界算法的粗匹配，优化问题的构建与求解。

前端

雷达数据处理

local_trajectory_builder_2d.AddRangeData

点云数据处理，具体包括多传感器时间同步，点云数据去畸，以及体素滤波。

位姿预测

local_trajectory_builder_2d.AddAccumulatedRangeData.ExtrapolatePose

利用pose，以及传入的里程计，imu数据计算出线速度和角速度，不同的情况选择参与运算的传感器不同。利用线速度角速度乘以时间预测平移和姿态。

详见《》

扫描匹配

扫描匹配的目的是找到雷达点云在栅格地图中的位置与角度。

扫描匹配包括相关性扫描匹配RealTimeCorrelativeScanMatcher2D和ceres扫描匹配

将相关性扫描匹配的位姿作为ceres扫描匹配的初始值。

详见《Cartographer 基于ceres的扫描匹配-CSDN博客》

更新概率栅格地图

将雷达数据写入概率栅格地图

详见《Cartographer 栅格地图更新-CSDN博客》

后端

后端主要实现的是位姿图优化。向位姿图添加节点AddNode，计算节点的子图内约束和子图间约束（回环检测）；多分辨率地图；基于分支定界算法的粗匹配，优化问题的构建与求解。

cartographer 中的节点共有两类---关键帧节点和子图节点。

关键帧指的是子图关键帧，而子图是由连续的若干个激光关键帧拼接到一起形成的子地图。

在carto中子图节点称为submap，关键帧节点称为node

构建约束是在这两类节点之间构建。

图中，三角表示子图，圆圈表示节点，由于传感器的一次扫描数据可能插入到多个不同的子图，所以同一个节点可能和多个子图之间存在一定的匹配关系。

子图内约束：

local 坐标系下，子图原点指向tracking_frame的坐标变换

    node和insertion_submaps之间的约束，由于在前端是，一个node只插入到了两个submap中，所以个node最多只有两个约束为子图内约束。

子图间约束：

根据global坐标计算初值，然后通过分支丁界算法粗匹配与ceres的精匹配，获取校准后的位姿，最后计算local坐标系下，子图原点指向校准后的节点间的坐标变换。

        使用分支定界算法之前需要先构建多分辨率地图。

构建优化问题，并求解：

1. 确定2个节点在global坐标系下的相对位姿变换
2. 通过其他方式再次获取这两个节点的相对位姿变换
3. 对这2个先对位姿变换的差的最小二乘问题进行求解
4. 进行求解之后会得到一个增量，将当前位姿加上这个增量后就得到了优化后的位姿

     cartographer中通过ceres添加残差项构建优化问题求解。

详见《》