LEGO-LOAM(LOAM)部分公式推导---未完待续
一、featureAssociation相关推导
1)帧间匹配雅可比矩阵推导
首先明确LEGO-LOAM中,运动坐标系(符合右手系)的设置为:
因此对于平面运动来说,影响最大的三个分量为tx,tz,ryt_x,t_z,r_ytx,tz,ry,因此仅考虑这三个分量对雅可比矩阵,也就是对非线性优化问题的贡献。首先让我们考虑整个非线性优化过程,首先将本帧点ppp转换至上一帧坐标系中,得到p′p'p′,即
p′=Tpp' = Tpp′=Tp
通过计算p′p'p′点和其近邻线(以corner为例,存在于上一帧点云系中)的点线间距离,得到残差fff,即
f=dist(p′,line)=dist(Tp,line)f = dist(p', line) = dist(Tp, line)f=dist(p′,line)=dist(Tp,line)
于是雅可比矩阵可以写为
J=∂f∂T=∂(dist(Tp,line))∂TJ =\frac{{\partial f}}{{\partial T}} = \frac{{\partial (dist(Tp,line))}}{{\partial T}}J=∂T∂f=∂T∂(dist(Tp,line))
由于我们只关心三个分量,且每一帧包含多个点线配对,可以计算许多个残差,则雅可比矩阵写开以后是这个类型: J=J=J=
fff对这三个位姿量的求导,使用链式法则来计算,首先将残差对使用这个位姿量转换过去的点p′=(x,y,z)p'=(x,y,z)p′=(x,y,z)进行求导(将本帧点转换至上一帧坐标系中的点),然后再使用被转换过去的点p′=(x,y,z)p'=(x,y,z)p′=(x,y,z)对位姿量求导。也就是:
∂fk∂tx=∂fk∂x∂x∂tx+∂fk∂y∂y∂tx+∂fk∂z∂z∂tx\frac{{\partial {f_k}}}{{\partial {t_x}}} = \frac{{\partial {f_k}}}{{\partial x}}\frac{{\partial x}}{{\partial {t_x}}} + \frac{{\partial {f_k}}}{{\partial y}}\frac{{\partial y}}{{\partial {t_x}}} + \frac{{\partial {f_k}}}{{\partial z}}\frac{{\partial z}}{{\partial {t_x}}}∂tx∂fk=∂x∂fk∂tx∂x+∂y∂fk∂tx∂y+∂z∂fk∂tx∂z
每一项链式法则的求导分为两部分,在程序中分别在findCorrespondingCornerFeatures函数和calculateTransformationCorner函数中完成。之后我们再细说,在这里先推导∂fk∂x\frac{{\partial {f_k}}}{{\partial x}}∂x∂fk和∂x∂tx\frac{{\partial x}}{{\partial {t_x}}}∂tx∂x的具体形式,首先推导前半部分∂fk∂x\frac{{\partial {f_k}}}{{\partial x}}∂x∂fk,根据公式(这里的公式复制自知乎某回答),点线距离为:
即
其中,
令分母为:
接下来求∂fk∂x\frac{{\partial {f_k}}}{{\partial x}}∂x∂fk,也就是这里的∂dε∂x\frac{{\partial {d_\varepsilon }}}{{\partial x}}∂x∂dε。xxx即为公式里面的x0x_0x0。
∂dε∂x0=12(m112+m222+m332)(2m11∂m11∂x0+2m22∂m22∂x0)l12=m11∂m11∂x0+m22∂m22∂x0l12m112+m222+m332\frac{{\partial {d_\varepsilon }}}{{\partial {x_0}}}{\rm{ = }}\frac{{\frac{1}{2}(\sqrt {m_{11}^2 + m_{22}^2 + m_{33}^2} )(2{m_{11}}\frac{{\partial {m_{11}}}}{{\partial {x_0}}} + 2{m_{22}}\frac{{\partial {m_{22}}}}{{\partial {x_0}}})}}{{{l_{12}}}}{\rm{ = }}\frac{{{m_{11}}\frac{{\partial {m_{11}}}}{{\partial {x_0}}} + {m_{22}}\frac{{\partial {m_{22}}}}{{\partial {x_0}}}}}{{{l_{12}}\sqrt {m_{11}^2 + m_{22}^2 + m_{33}^2} }}∂x0∂dε=l1221(m112+m222+m332)(2m11∂x0∂m11+2m22∂x0∂m22)=l12m112+m222+m332m11∂x0∂m11+m22∂x0∂m22
对另两个位姿分量的就省略了,是同理的,这一块对应源码中的:
tripod1 = laserCloudCornerLast->points[pointSearchCornerInd1[i]];tripod2 = laserCloudCornerLast->points[pointSearchCornerInd2[i]];float x0 = pointSel.x;float y0 = pointSel.y;float z0 = pointSel.z;float x1 = tripod1.x;float y1 = tripod1.y;float z1 = tripod1.z;float x2 = tripod2.x;float y2 = tripod2.y;float z2 = tripod2.z;float m11 = ((x0 - x1)*(y0 - y2) - (x0 - x2)*(y0 - y1));float m22 = ((x0 - x1)*(z0 - z2) - (x0 - x2)*(z0 - z1));float m33 = ((y0 - y1)*(z0 - z2) - (y0 - y2)*(z0 - z1));float a012 = sqrt(m11 * m11 + m22 * m22 + m33 * m33);float l12 = sqrt((x1 - x2)*(x1 - x2) + (y1 - y2)*(y1 - y2) + (z1 - z2)*(z1 - z2));float la = ((y1 - y2)*m11 + (z1 - z2)*m22) / a012 / l12;float lb = -((x1 - x2)*m11 - (z1 - z2)*m33) / a012 / l12;float lc = -((x1 - x2)*m22 + (y1 - y2)*m33) / a012 / l12;float ld2 = a012 / l12;
接下来求链式法则的后面那部分,也就是∂x∂tx\frac{{\partial x}}{{\partial {t_x}}}∂tx∂x。xxx指代的是经过变换矩阵变换,将本帧点转换至上一帧坐标系中的点的坐标。因此,首先需要明确旋转变换关系。LEGO-LOAM(LOAM)中的帧间坐标变换关系如下:
其中,p′=(x,y,z)p'=(x,y,z)p′=(x,y,z)表示被转换到上一帧坐标系中的点,p=(xc,yc,zc)p=(x_c,y_c,z_c)p=(xc,yc,zc)表示本帧这个点。RRR和tx,ty,tzt_x,t_y,t_ztx,ty,tz分别代表旋转和平移变换关系,角度为本帧坐标系转了多少欧拉角能转到上一帧坐标系,象征着所有欧拉角加符号带入公式才能获得本帧坐标系点转换到上一帧坐标系中。至于LOAM为什么这样设定不清楚(有点拧巴)。
要求∂x∂tx\frac{{\partial x}}{{\partial {t_x}}}∂tx∂x,必须要明确R是什么形式。根据wiki上给出的公式(上图右边红色框),欧拉角(-rx,-ry,-rz)转换为旋转矩阵的公式为:
这里之所以加负号,与欧拉角设定相关?
因此易求∂x∂tx\frac{{\partial x}}{{\partial {t_x}}}∂tx∂x,仅看第一行第一列乘出来的东西就行,即:
化简可以得到
2)高频率里程计位姿累积函数:integrateTransformation
void integrateTransformation(){float rx, ry, rz, tx, ty, tz;AccumulateRotation(transformSum[0], transformSum[1], transformSum[2], -transformCur[0], -transformCur[1], -transformCur[2], rx, ry, rz);float x1 = cos(rz) * (transformCur[3] - imuShiftFromStartX) - sin(rz) * (transformCur[4] - imuShiftFromStartY);float y1 = sin(rz) * (transformCur[3] - imuShiftFromStartX) + cos(rz) * (transformCur[4] - imuShiftFromStartY);float z1 = transformCur[5] - imuShiftFromStartZ;float x2 = x1;float y2 = cos(rx) * y1 - sin(rx) * z1;float z2 = sin(rx) * y1 + cos(rx) * z1;tx = transformSum[3] - (cos(ry) * x2 + sin(ry) * z2);ty = transformSum[4] - y2;tz = transformSum[5] - (-sin(ry) * x2 + cos(ry) * z2);PluginIMURotation(rx, ry, rz, imuPitchStart, imuYawStart, imuRollStart, imuPitchLast, imuYawLast, imuRollLast, rx, ry, rz);transformSum[0] = rx;transformSum[1] = ry;transformSum[2] = rz;transformSum[3] = tx;transformSum[4] = ty;transformSum[5] = tz;}
(1)AccumulateRotation函数:
输入:
- 上一帧粗配准的激光里程计的累积位姿(全局),仅取旋转部分欧拉角:transformSum[0], transformSum[1], transformSum[2]
- 上一帧和本帧间的位姿变化量(增量),仅取旋转部分欧拉角: -transformCur[0], -transformCur[1], -transformCur[2]。由于transformCur处于本帧坐标系,取负号表示从上一帧变换到本帧的欧拉角变化量。
- 本帧粗配准的激光里程计的累积位姿,仅取旋转部分欧拉角,由以上两组量求得:rx, ry, rz
首先从位姿变换基础公式入手,根据wiki上给出的公式(上图画黄色框处),这里欧拉角(x,y,z)转换为旋转矩阵的公式为:
设上一帧全局位姿的旋转部分为R1=(x1,y1,z1)R_1=(x_1, y_1, z_1)R1=(x1,y1,z1),本帧全局位姿的旋转部分为R2=(x2,y2,z2)R_2=(x_2, y_2, z_2)R2=(x2,y2,z2),上一帧到本帧的旋转变化量δR=(δx,δy,δz)\delta R=(\delta x, \delta y, \delta z)δR=(δx,δy,δz),于是根据姿态变换公式:
R2=R1⋅δRR_2=R_1·\delta RR2=R1⋅δR
根据上面欧拉角转旋转矩阵的通式,与待求欧拉角相关的R2R_2R2为:
观察到,第二行第三列直接与x2x_2x2相关,因此考虑先求x2x_2x2,即先求R2(2,3)R_2^{(2,3)}R2(2,3),也就是 (R1R_1R1和δR\delta RδR也按照上面通式转为旋转矩阵) R1R_1R1的第二行乘以δR\delta RδR的第三列,即:
展开就能用来求−sinx2-sinx_2−sinx2,于是就有了AccumulateRotation函数内部的:
float srx = cos(lx)*cos(cx)*sin(ly)*sin(cz) - cos(cx)*cos(cz)*sin(lx) - cos(lx)*cos(ly)*sin(cx);
ox = -asin(srx);
接下来求y2y_2y2,可以看到:
arctan(R2(1,3)/R2(2,3))=y2arctan(R_2^{(1,3)} / R_2^{(2,3)})=y_2arctan(R2(1,3)/R2(2,3))=y2,同理,按照上述几行几列的思路写出公式,可得函数内部的:
float srycrx = sin(lx)*(cos(cy)*sin(cz) - cos(cz)*sin(cx)*sin(cy)) + cos(lx)*sin(ly)*(cos(cy)*cos(cz) + sin(cx)*sin(cy)*sin(cz)) + cos(lx)*cos(ly)*cos(cx)*sin(cy);float crycrx = cos(lx)*cos(ly)*cos(cx)*cos(cy) - cos(lx)*sin(ly)*(cos(cz)*sin(cy) - cos(cy)*sin(cx)*sin(cz)) - sin(lx)*(sin(cy)*sin(cz) + cos(cy)*cos(cz)*sin(cx));oy = atan2(srycrx / cos(ox), crycrx / cos(ox));
接下来求z2z_2z2,可以看到:
arctan(R2(2,1)/R2(2,2))=z2arctan(R_2^{(2,1)} / R_2^{(2,2)})=z_2arctan(R2(2,1)/R2(2,2))=z2,同理,按照上述几行几列的思路写出公式,可得函数内部的:
float srzcrx = sin(cx)*(cos(lz)*sin(ly) - cos(ly)*sin(lx)*sin(lz)) + cos(cx)*sin(cz)*(cos(ly)*cos(lz) + sin(lx)*sin(ly)*sin(lz)) + cos(lx)*cos(cx)*cos(cz)*sin(lz);
float crzcrx = cos(lx)*cos(lz)*cos(cx)*cos(cz) - cos(cx)*sin(cz)*(cos(ly)*sin(lz) - cos(lz)*sin(lx)*sin(ly)) - sin(cx)*(sin(ly)*sin(lz) + cos(ly)*cos(lz)*sin(lx));
oz = atan2(srzcrx / cos(ox), crzcrx / cos(ox));
接下来观察旋转部分,这里我们忽略IMU的使用,即imuShiftFromStartZ = imuShiftFromStartY = 0 (LEGO-LOAM的IMU听说也很鸡肋)。就有如下代码:
float x1 = cos(rz) * (transformCur[3]) - sin(rz) * (transformCur[4]);float y1 = sin(rz) * (transformCur[3]) + cos(rz) * (transformCur[4]);float z1 = transformCur[5];float x2 = x1;float y2 = cos(rx) * y1 - sin(rx) * z1;float z2 = sin(rx) * y1 + cos(rx) * z1;tx = transformSum[3] - (cos(ry) * x2 + sin(ry) * z2);ty = transformSum[4] - y2;tz = transformSum[5] - (-sin(ry) * x2 + cos(ry) * z2);
可以这么理解,先使用rx,ry,rz相关的转换矩阵将参考系与世界坐标系同轴(平行),然后transformSum是位于世界坐标系的,因此可以直接做加法。这个原因主要是因为transformCur是存在于本帧坐标系的,推导公式也能推导出来上面式子。
LEGO-LOAM(LOAM)部分公式推导---未完待续相关推荐
- 《今日简史》读书笔记(未完待续)
<今日简史>读书笔记(未完待续) 这本书是尤瓦尔·赫拉利的简史三部曲的最后一本,前2本书是<未来简史>和<人类简史>.根据豆瓣上网友的评价,这本书是尤瓦尔·赫拉利写 ...
- linux引数列项目过长,Linux 命令个人总结====== 未完待续 个人认为比较重要
Linux 命令个人总结====== 未完待续 man [功能说明]: 查看帮助 [语法格式]: man [123456789]命令.文件. [选项参数]: 数字"1"表示用户命令 ...
- CC2530学习路线-基础实验-串口通讯发送字符串(4 未完待续)
目录 1. 前期预备知识 1.1 串口通讯电路图 1.2 实验相关寄存器 1.2 常用波特率设置 本章未完待续..... 原来写的文章已经丢失了,只能找到这一小部分,看什么时候有时间再补上. 1. 前 ...
- Paper之BigGAN:ICLR 2019最新论文《LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS》(未完待续)
Paper之BigGAN:ICLR 2019最新论文<LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS> ...
- Windows x64内核学习笔记(五)—— KPTI(未完待续)
Windows x64内核学习笔记(五)-- KPTI(未完待续) KPTI 实验一:构造IDT后门并读取Cr3 参考资料 KPTI 描述:KPTI(Kernel page-table isolati ...
- javascript有用小功能总结(未完待续)
1)javascript让页面标题滚动效果 代码如下: <title>您好,欢迎访问我的博客</title> <script type="text/javasc ...
- Ubuntu1804和2004高版本,右键无法创建TXT文档的解决办法【未完待续】
Ubuntu1804和2004高版本,右键无法创建TXT文档的解决办法[未完待续] 问题: Ubuntu1804和2004高版本,右键无法创建TXT文档 解决办法1:[常用] 1.打开终端 2.输入: ...
- 《图解 HTTP》读书笔记(未完待续)
ARP 协议(Address Resolution Protocol)一种以解析地址的协议,根据通信双方的 IP 地址就可以查出对应的 MAC 地址. MAC( Media Access Contro ...
- pythonb超分辨成像_Papers | 超分辨 + 深度学习(未完待续)
1. SRCNN 1.1. Contribution end-to-end深度学习应用在超分辨领域的开山之作(非 end-to-end 见 Story.3 ). 指出了超分辨方向上传统方法( spar ...
最新文章
- 一些有趣的题目(java)持续更新
- java起源_Java的来源
- boost::math::chi_squared用法的测试程序
- SAP Fiori Launchpad tile跳转目标的解析逻辑
- 星号三角形python_python中的星号三角形
- FizzBu​​zz Kata与Java流
- 利用DotRAS组件,实现ADSL的自动拨号断网自动化操作[转]
- 嘉年华回顾丨李海翔带你解密腾讯TDSQL数据库的技术与未来
- linux系统上安装toma,Linux-tar - osc_btnnkvs0的个人空间 - OSCHINA - 中文开源技术交流社区...
- 微信公共开发人员文档 阅读笔记
- JavaScript变量的声明与使用以及命名规范(3)
- 基于DEAP库的python进化算法--遗传算法实践--背包问题
- Linux中压缩文件后生成,在 Linux系统中,压缩文件后生成后缀为.gz文件的命令是 gzip 。...
- matlab画多個平面,matlab的平面二维图的绘制.ppt
- python处理excel数据画曲线图_python读取excel数据绘制简单曲线图的完整步骤记录...
- IDEA连接MySQL数据源配置和mybatis整合
- docker学习笔记(五)如何创建自己的阿里云镜像仓库(这是2021版的阿里云教程)
- linux中nginx卸载命令,linux服务器nginx的卸载与安装教程
- vue如何把值放入数组里面去_vue的数组如何存储数据
- SqlServer 并发事务:死锁跟踪(一)简单测试