前言

在LOAM的论文中,作者提到了要剔除两种异常点.

平行点
遮挡点

但是在ALOAM的代码中并未写相关的功能.

如果想把论文中两种异常点的剔除机制加进去,可以参考下面的代码.

之前把一些其它的异常点剔除的方法总结了,可以参考这个地方

去除掉非常近的点
去除掉非常远的点
去除NaN的点
反射率处理
去除入射角较小的点 (实际就是平行点)

LOAM中的异常点

再回顾下LOAM中定义的两类异常点
平行点:

平行点指的就是图中的B点
就是激光的射线几乎和物体的平面平行了

剔除这种点的原因有两个:
1 激光的数据会不准,射线被拉长
2 这种点被视为特征点后会非常不稳定,下一帧可能就没了,无法做配对了
例如图片中的lidar向左移一点,那么B点就消失了,形成对比的就是A点,极短时间内不会消失

遮挡点:

遮挡点就是图中的A点
lidar一条sacn上,相邻的两个或几个点的距离偏差很大,被视为遮挡点

剔除这种点的原因是:
这种点被视为特征点后会非常不稳定,下一帧可能就没了,无法做配对了
例如图片中的lidar向右移一点,那么A点就消失了,形成对比的就是B点,极短时间内不会消失

此时最后把A点的左边几个点,都剔除掉

Code

++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

        //获取点云中点的个数int cloudSize = extractedCloud->points.size();

获取点云中点的个数

        // 循环处理每个点,判断是否是遮挡点还是平行点for (int i = 5; i < cloudSize - 6; ++i){

循环处理每个点,判断是否是遮挡点还是平行点
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

            /* occluded points  遮挡点的判断 */float depth1 = cloudInfo.pointRange[i];//当前点距离float depth2 = cloudInfo.pointRange[i+1];//下一个点的距离

首先是判断遮挡点
depth就是点的距离 = sqrt(xx+yy+z*z)

             // 列索引间的距离int columnDiff = std::abs(int(cloudInfo.pointColInd[i+1] - cloudInfo.pointColInd[i]));

计算点的一条scan上的索引偏差
因为前面可能要去掉一些点,比如NAN点,如果索引偏差很大,那么就可以不进行遮挡点的判断了
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

            // 相邻两点如果列索引太小，则这个点周围的点不进行特征提取if (columnDiff < 10){// 如果相邻两点距离大于0.3，选出6个点if (depth1 - depth2 > 0.3){//如果i点在后面,那么i点也不能要,并且i-1至i-5不要cloudNeighborPicked[i - 5] = 1;cloudNeighborPicked[i - 4] = 1;cloudNeighborPicked[i - 3] = 1;cloudNeighborPicked[i - 2] = 1;cloudNeighborPicked[i - 1] = 1;cloudNeighborPicked[i] = 1;}else if (depth2 - depth1 > 0.3){//如果i在前面,那么i+1是被遮挡的点,那么i+1至i+6不要cloudNeighborPicked[i + 1] = 1;cloudNeighborPicked[i + 2] = 1;cloudNeighborPicked[i + 3] = 1;cloudNeighborPicked[i + 4] = 1;cloudNeighborPicked[i + 5] = 1;cloudNeighborPicked[i + 6] = 1;}}

如果点的索引偏差不大的话,那么进行判断是否是遮挡点
偏差大不进行判断的原因就是比如下图

如图上的情况，因为去了NAN点，那么i和i+1点距离偏差过大，也不是遮挡点，要排除此种情况

如果相邻两点距离大于0.3，选出6个点
这时候要分两种情况
一个是i点的距离大,即i为被遮挡点,那么i点也不能要,并且i-1至i-5不要,因为i-1至i-5也不稳定

另外一种情况是i在前面,那么i+1是被遮挡的点,那么i+1至i+6不要

++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

            /* parallel beam  平行点的判断  */// 平行线的情况,根据左右两点与该点的深度差,确定该点是否会被选择为特征点float diff1 = std::abs(float(cloudInfo.pointRange[i-1] - cloudInfo.pointRange[i]));float diff2 = std::abs(float(cloudInfo.pointRange[i+1] - cloudInfo.pointRange[i]));if (diff1 > 0.02 * cloudInfo.pointRange[i] && diff2 > 0.02 * cloudInfo.pointRange[i])cloudNeighborPicked[i] = 1;}

这个是平行点的判断

平行线的情况,根据左右两点与该点的深度差,确定该点是否会被选择为特征点

++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
整体代码

// 标记遮挡点与平行点，不进行特征提取void markOccludedPoints(){//获取点云中点的个数int cloudSize = extractedCloud->points.size();// 循环处理每个点,判断是否是遮挡点还是平行点for (int i = 5; i < cloudSize - 6; ++i){/* occluded points  遮挡点的判断 */float depth1 = cloudInfo.pointRange[i];//当前点距离float depth2 = cloudInfo.pointRange[i+1];//下一个点的距离// 列索引间的距离int columnDiff = std::abs(int(cloudInfo.pointColInd[i+1] - cloudInfo.pointColInd[i]));// 相邻两点如果列索引太小，则这个点周围的点不进行特征提取if (columnDiff < 10){// 如果相邻两点距离大于0.3，选出6个点if (depth1 - depth2 > 0.3){//如果i点在后面,那么i点也不能要,并且i-1至i-5不要cloudNeighborPicked[i - 5] = 1;cloudNeighborPicked[i - 4] = 1;cloudNeighborPicked[i - 3] = 1;cloudNeighborPicked[i - 2] = 1;cloudNeighborPicked[i - 1] = 1;cloudNeighborPicked[i] = 1;}else if (depth2 - depth1 > 0.3){//如果i在前面,那么i+1是被遮挡的点,那么i+1至i+6不要cloudNeighborPicked[i + 1] = 1;cloudNeighborPicked[i + 2] = 1;cloudNeighborPicked[i + 3] = 1;cloudNeighborPicked[i + 4] = 1;cloudNeighborPicked[i + 5] = 1;cloudNeighborPicked[i + 6] = 1;}}/* parallel beam  平行点的判断  */// 平行线的情况,根据左右两点与该点的深度差,确定该点是否会被选择为特征点float diff1 = std::abs(float(cloudInfo.pointRange[i-1] - cloudInfo.pointRange[i]));float diff2 = std::abs(float(cloudInfo.pointRange[i+1] - cloudInfo.pointRange[i]));if (diff1 > 0.02 * cloudInfo.pointRange[i] && diff2 > 0.02 * cloudInfo.pointRange[i])cloudNeighborPicked[i] = 1;}}

以上是ALOAM中异常点剔除功能的代码分析

3D激光SLAM:ALOAM:异常点剔除机制代码解析相关推荐

3D激光SLAM：LeGO-LOAM---两步优化的帧间里程计及代码分析
3D激光SLAM:LeGO-LOAM---两步优化的帧间里程计及代码分析前言利用地面点优化利用角点优化代码部分 gazebo测试前言 LeGO-LOAM的全称是 Lightweight an ...
3d激光slam：LIO-SAM框架---特征点提取
3d激光slam:LIO-SAM框架---特征点提取前言特征点提取 Result 前言 LIO-SAM的全称是:Tightly-coupled Lidar Inertial Odometry vi ...
SLAM学习笔记（十九）开源3D激光SLAM总结大全——Cartographer3D,LOAM,Lego-LOAM,LIO-SAM,LVI-SAM,Livox-LOAM的原理解析及区别
本文为我在浙江省北大信研院-智能计算中心-情感智能机器人实验室-科技委员会所做的一个分享汇报,现在我把它搬运到博客中. 由于参与分享汇报的同事有许多是做其他方向的机器人工程师(包括硬件.控制等各方面并 ...
3D激光SLAM：Livox激光雷达硬件时间同步
3D激光SLAM:Livox激光雷达硬件时间同步前言同步原理 PTP时间同步原理 GPS时间同步原理 PPS时间同步原理 GPS+PPS时间同步使用方法 Livox Hub Livox Conve ...
彻底搞懂基于LOAM框架的3D激光SLAM全套学习资料汇总！
地图定位算法是自动驾驶模块的核心,而激光SLAM则是地图定位算法的关键技术,其重要性不言而喻,在许多AI产品中应用非常多(包括但不限于自动驾驶.移动机器人.扫地机等).相比于传统的视觉传感器,激光传感 ...
32线镭神雷达跑LeGO-LOAM：3D 激光SLAM
32线镭神雷达跑LeGO-LOAM:3D 激光SLAM 安装LeGO-LOAM 镭神雷达的相关修改 LeGO-LOAM的修改修改utility.h 修改imageproject.cpp Enjoy ...
3D激光SLAM:ALOAM---gazebo仿真测试场景搭建
3D激光SLAM:ALOAM---gazebo仿真测试场景搭建 gazebo世界场景 AGV模型 Velodyne 激光雷达测试 gazebo世界场景在launch文件中加入 gazebo世界场景 ...
3d激光SLAM：LIO-SAM框架—IMU预积分功能数据初始化
前言 LIO-SAM的全称是:Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping 从全称上可以看出,该算法是一个紧耦合的 ...
3D激光SLAM:LOAM 论文--算法详细解读
3D激光SLAM:LOAM 论文--算法详细解读 LOAM简介论文里面的符号表示算法部分激光雷达里程计 A 特征点提取 B 找特征点的匹配对 C 运动估计 lidar 建图测试结果 LOAM是 ...

3D激光SLAM:ALOAM:异常点剔除机制代码解析

3D激光SLAM:ALOAM:异常点剔除机制代码解析

前言

LOAM中的异常点

Code

3D激光SLAM:ALOAM:异常点剔除机制代码解析相关推荐

最新文章

热门文章