loam 接口换GPS

[qq_43610641]

作者您好，我想问一下 我想改成东北天的gps_odom，和原始点云的，发现他坐标不重合，请问把GPS的东北天当做map

,lidar的点云是当作map 还是sensor ，尝试把点云转到gps坐标 还是不太行，想问一下 有什么建议吗

 

[2301_79386209]

蹲一个回复，我也想了解一下

[请叫我大板牙]

@weixin_41871293 还有就是坐标系不统一。

[weixin_41871293]

在使用LOAM（Lidar Odometry and Mapping）进行机器人定位与地图构建时，遇到GPS与点云坐标不重合的问题是比较常见的。这个问题通常涉及到坐标系的转换以及不同传感器数据的融合。

首先，需要明确的是，GPS通常提供的是地球坐标系（Earth - centered, Earth - fixed，ECEF）下的位置信息，而激光雷达（Lidar）点云数据是在机器人本地的坐标系下采集的。如果要将GPS的东北天坐标当作map，Lidar的点云当作sensor来进行融合，就需要进行精确的坐标转换。

一种常见的解决思路是建立一个从Lidar坐标系到GPS坐标系的转换模型。这可能需要对机器人的运动学模型有深入的理解，并且要考虑传感器的安装位置和姿态等因素。例如，可以通过标定来确定两者之间的旋转和平移关系。

在进行坐标转换时，可能会用到一些数学工具，如齐次变换矩阵。假设我们已经得到了从Lidar坐标系到GPS坐标系的转换矩阵$T$，对于Lidar点云中的任意一点$P_{lidar}=(x,y,z)$，其在GPS坐标系下的坐标$P_{gps}$可以通过以下公式计算：

$P_{gps}=T\times P_{lidar}$

然而，如果在转换过程中仍然存在问题，可能有以下原因：

一、传感器误差

1. GPS误差
   • GPS本身存在一定的定位精度限制，特别是在城市环境等信号遮挡较多的情况下。其误差可能达到数米甚至十几米。
   • 不同的GPS设备精度也有所差异，一些高精度的GPS设备可能采用差分技术来提高定位精度。
2. Lidar误差
   • Lidar的扫描精度也会影响点云数据的质量。例如，距离测量误差随着距离的增加而增大。
     

     

   • Lidar的安装偏差可能导致点云数据的坐标偏移。

二、数据处理问题

1. 时间同步
   • 如果GPS数据和Lidar数据的时间戳不一致，会导致在融合时出现错位现象。需要确保两者在同一时间基准下进行处理。
2. 滤波处理不当
   • 对于GPS数据和Lidar点云数据，在进行融合之前可能需要进行滤波处理。如果滤波参数设置不合理，可能会丢失重要的信息或者引入错误的噪声。

三、坐标系定义不一致

1. 坐标轴方向
   • 要仔细检查GPS坐标系和Lidar坐标系中坐标轴的定义是否一致。例如，有些系统中$x$轴指向正东，而在其他系统中可能指向正北。
2. 原点位置
   • 确定两个坐标系的原点位置关系，这对于准确的坐标转换至关重要。

相关书籍推荐

1. 《ROS机器人编程》
   • 作者：Morgan Quigley、Brian Gerkey和William D. Smart。
   • 内容特点：
     • 这本书全面地介绍了ROS（Robot Operating System）的基础知识，包括节点、消息、服务等概念。对于理解如何在ROS环境下进行传感器数据的处理和融合非常有帮助。它详细讲解了如何创建自定义的ROS节点来处理GPS和Lidar数据，并且提供了很多实际的代码示例。
     • 优点：内容系统全面，是ROS入门的经典书籍。代码示例丰富，方便读者快速上手实践。缺点：对于一些高级的算法原理讲解相对简略。
2. 《计算机视觉中的多视图几何》
   • 作者：Richard Hartley和Andrew Zisserman。
   • 内容特点：
     • 虽然不是专门针对GPS和Lidar数据融合的书籍，但其中涉及到的多视图几何知识对于理解不同传感器视角下的坐标转换和数据匹配有很大的启发。书中详细介绍了射影几何的基本概念和方法，这些方法可以应用于从不同传感器获取的数据之间的映射关系建立。
     • 优点：理论深度强，为深入理解传感器数据融合背后的数学原理提供了坚实的基础。缺点：内容比较抽象，对于初学者来说可能有一定难度。
3. 《传感器融合：理论与算法》
   • 作者：Yaakov Bar - Shalom、William D. Blair和 Xiao - Rong Li。
   • 内容特点：
     • 专门针对传感器融合这一领域，涵盖了从基本的融合架构到各种先进的融合算法。对于GPS和Lidar数据融合中的状态估计、不确定性处理等问题有详细的论述。书中还介绍了不同融合算法在不同应用场景下的性能比较。
     • 优点：专注于传感器融合主题，内容专业且实用。缺点：部分算法的数学推导较为复杂。

推荐书籍	图书特点
《ROS机器人编程》	作者：Morgan Quigley、Brian Gerkey和William D. Smart，内容涵盖ROS基础知识，有大量代码示例，适合入门但高级算法原理简略
《计算机视觉中的多视图几何》	作者：Richard Hartley和Andrew Zisserman，包含多视图几何知识，理论深度强但较抽象
《传感器融合：理论与算法》	作者：Yaakov Bar - Shalom、William D. Blair和Xiao - Rong Li，专注传感器融合，有专业实用的论述但算法推导复杂

已隐藏部分内容，更多查看原文