1、代码重写
open_gmapping的代码比较复杂，比较乱． csdn博主 白茶-清欢 对 open_gmapping 与 slam_gmapping 两个包进行了重写，整理了代码使得代码结构更加清晰，同时添加了注释，还增加了激光雷达数据的畸变校正功能．
参考这个
我手写了个SLAM算法！_白茶-清欢的博客-CSDN博客_手写slam
二、代码阅读
2.1、//如果是第一次接收scan
// 将雷达各个角度的sin与cos值保存下来，以节约计算量
CreateCache(scan_msg);
void GMapping::CreateCache(const sensor_msgs::LaserScan::ConstPtr &scan_msg)
{
a_cos_.clear();
a_sin_.clear();
double angle;
for (unsigned int i = 0; i < scan_msg->ranges.size(); i++)
{
angle = scan_msg->angle_min + i * scan_msg->angle_increment;
a_cos_.push_back(cos(angle));
a_sin_.push_back(sin(angle));
}
}2.3 PublishMap()
// 计算当前雷达数据对应的栅格地图并发布出去
void GMapping::PublishMap(const sensor_msgs::LaserScan::ConstPtr &scan_msg)
{
// 地图的中点
Point center;
center.x = (xmin_ + xmax_) / 2.0;
center.y = (ymin_ + ymax_) / 2.0;
// ScanMatcherMap为GMapping中存储地图的数据类型
//typedef Map<PointAccumulator, HierarchicalArray2D<PointAccumulator>> ScanMatcherMap; //一张地图的类
ScanMatcherMap gmapping_map_(center, xmin_, ymin_, xmax_, ymax_, resolution_);
// 使用当前雷达数据更新GMapping地图中栅格的值
ComputeMap(gmapping_map_, scan_msg);
// 将gmapping_map_中的存储的栅格值 赋值到 ros的map中
for (int x = 0; x < gmapping_map_.getMapSizeX(); x++)
{
for (int y = 0; y < gmapping_map_.getMapSizeY(); y++)
{
IntPoint p(x, y);
// 获取这点栅格的值，只有大于occ_thresh_时才认为是占用
double occ = gmapping_map_.cell(p);
// 未知
if (occ < 0)
map_.data[MAP_IDX(map_.info.width, x, y)] = GMAPPING_UNKNOWN;
// 占用
else if (occ > occ_thresh_) // 默认0.25
map_.data[MAP_IDX(map_.info.width, x, y)] = GMAPPING_OCC;
// 空闲
else
map_.data[MAP_IDX(map_.info.width, x, y)] = GMAPPING_FREE;
}
}
// 添加当前的时间戳
map_.header.stamp = ros::Time::now();
map_.header.frame_id = scan_msg->header.frame_id;
// 发布map和map_metadata
map_publisher_.publish(map_);
map_publisher_metadata_.publish(map_.info);
}
ScanMatcherMap
typedef Map<PointAccumulator, HierarchicalArray2D<PointAccumulator>> ScanMatcherMap; //一张地图的类1.为GMapping中存储地图的数据类型，先声明了一个ScanMatcherMap的对象
2.先声明了一个ScanMatcherMap的对象gmapping_map_，然后通过ComputeMap()为gmapping_map_赋值，然后再将gmapping_map_中存储的值赋值到ros的栅格地图的数据类型中．
gmapping认为ros的栅格地图数据只需要有3个值
- -1 代表栅格状态未知
- 0 代表栅格是空闲的，代表可通过区域
- 100 代表栅格是占用的，代表障碍物，不可通过
3.
ScanMatcherMap gmapping_map_(center, xmin_, ymin_, xmax_, ymax_, resolution_);2.4 ComputeMap()
1.头文件中
std::vector<GridLineTraversalLine> line_lists_;
std::vector<Point> hit_lists_;
2.orientedpoint 结构体
struct orientedpoint: public point<T>
{
inline orientedpoint() : point<T>(0,0), theta(0) {};
inline orientedpoint(const point<T>& p);
inline orientedpoint(T x, T y, A _theta): point<T>(x,y), theta(_theta){}
inline void normalize();
inline orientedpoint<T,A> rotate(A alpha)
{
T s=sin(alpha), c=cos(alpha);
A a=alpha+theta;
a=atan2(sin(a),cos(a));
return orientedpoint(
c*this->x-s*this->y,
s*this->x+c*this->y,
a);
}
A theta;
};3.
inline IntPoint world2map(double x, double y) const { return world2map(Point(x, y)); }
2.cpp
void GMapping::ComputeMap(ScanMatcherMap &map, const sensor_msgs::LaserScan::ConstPtr &scan_msg)
{
line_lists_.clear();
hit_lists_.clear();
// lp为地图坐标系下的激光雷达坐标系的位姿
OrientedPoint lp(0, 0, 0.0);
// 将位姿lp转换成地图坐标系下的位置
IntPoint p0 = map.world2map(lp);
// 地图的有效区域(地图坐标系)
HierarchicalArray2D<PointAccumulator>::PointSet activeArea;
// 通过激光雷达的数据，找出地图的有效区域
for (unsigned int i = 0; i < scan_msg->ranges.size(); i++)
{
// 排除错误的激光点
double d = scan_msg->ranges[i];
if (d > max_range_ || d == 0.0 || !std::isfinite(d))
continue;
if (d > max_use_range_)
d = max_use_range_;
// p1为激光雷达的数据点在地图坐标系下的坐标
Point phit = lp;
phit.x += d * a_cos_[i];
phit.y += d * a_sin_[i];
IntPoint p1 = map.world2map(phit);
// 使用bresenham算法来计算 从激光位置到激光点 要经过的栅格的坐标
GridLineTraversalLine line;
GridLineTraversal::gridLine(p0, p1, &line);
// 将line保存起来以备后用
line_lists_.push_back(line);
// 计算活动区域的大小
for (int i = 0; i < line.num_points - 1; i++)
{
activeArea.insert(map.storage().patchIndexes(line.points[i]));
}
// 如果d<m_usableRange则需要把击中点也算进去 说明这个值是好的。
// 同时如果d==max_use_range_ 那么说明这个值只用来进行标记空闲区域 不用来进行标记障碍物
if (d < max_use_range_)
{
IntPoint cp = map.storage().patchIndexes(p1);
activeArea.insert(cp);
hit_lists_.push_back(phit);
}
}
// 为activeArea分配内存
map.storage().setActiveArea(activeArea, true);
map.storage().allocActiveArea();
// 在map上更新空闲点
for (auto line : line_lists_)
{
// 更新空闲位置
for (int k = 0; k < line.num_points - 1; k++)
{
// 未击中，就不记录击中的位置了，所以传入参数Point(0,0)
map.cell(line.points[k]).update(false, Point(0, 0));
}
}
// 在map上添加hit点
for (auto hit : hit_lists_)
{
IntPoint p1 = map.world2map(hit);
map.cell(p1).update(true, hit);
}
}第一部分
之后遍历雷达数据点，使用bresemham画线算法生成从激光位置到激光点的连线在栅格地图中的坐标，并将这些点放入activeArea用于计算区域，同时保存下来以备后用．
再判断雷达数据点也就是 phit ．判断这个点与预先设定的参数 max_use_range_(雷达数据最大使用距离)，如果phit的距离小于max_use_range_则认为是好的数据点，放入hit_lists_中以备后用．
2.5 bresemham画线算法
gridLine()
判断了计算出的直线坐标点的起始点是否正确，如果不正确，就把直线的所有点顺序反转一下，
void GridLineTraversal::gridLine(IntPoint start, IntPoint end, GridLineTraversalLine *line)
{
int i, j;
int half;
IntPoint v;
gridLineCore(start, end, line);
if (start.x != line->points[0].x || start.y != line->points[0].y)
{
half = line->num_points / 2;
for (i = 0, j = line->num_points - 1; i < half; i++, j--)
{
v = line->points[i];
line->points[i] = line->points[j];
line->points[j] = v;
}
}
}gridLineCore()
理论理解
https://www.jianshu.com/p/d63bf63a0e28
void GridLineTraversal::gridLineCore(IntPoint start, IntPoint end, GridLineTraversalLine *line)
{
int dx, dy; // 横纵坐标间距
int incr1, incr2; // 增量
int d; //
int x, y, xend, yend; // 直线增长的首末端点坐标
int xdirflag, ydirflag; // 横纵坐标增长方向
int cnt = 0; // 直线过点的点的序号
dx = abs(end.x - start.x);
dy = abs(end.y - start.y);
// 斜率绝对值小于等于1的情况，优先增加x
if (dy <= dx)
{
d = 2 * dy - dx; // 初始点P_m0值
incr1 = 2 * dy; // 情况（1）
incr2 = 2 * (dy - dx); // 情况（2）
// 将增长起点设置为横坐标小的点处，将 x的增长方向 设置为 向右侧增长
if (start.x > end.x)
{
// 起点横坐标比终点横坐标大，ydirflag = -1（负号可以理解为增长方向与直线始终点方向相反）
x = end.x;
y = end.y;
ydirflag = (-1);
xend = start.x; // 设置增长终点横坐标
}
else
{
x = start.x;
y = start.y;
ydirflag = 1;
xend = end.x;
}
//加入起点坐标
line->points.push_back(IntPoint(x, y));
cnt++;
// 向 右上 方向增长
if (((end.y - start.y) * ydirflag) > 0)
{
while (x < xend)
{
x++;
if (d < 0)
{
d += incr1;
}
else
{
y++;
d += incr2; // 纵坐标向正方向增长
}
line->points.push_back(IntPoint(x, y));
cnt++;
}
}
// 向 右下 方向增长
else
{
while (x < xend)
{
x++;
if (d < 0)
{
d += incr1;
}
else
{
y--;
d += incr2; // 纵坐标向负方向增长
}
line->points.push_back(IntPoint(x, y));
cnt++;
}
}
}
// 斜率绝对值大于1的情况，优先增加y
else
{
// dy > dx，当斜率k的绝对值|k|>1时，在y方向进行单位步进
d = 2 * dx - dy;
incr1 = 2 * dx;
incr2 = 2 * (dx - dy);
// 将增长起点设置为纵坐标小的点处，将 y的增长方向 设置为 向上侧增长
if (start.y > end.y)
{
y = end.y; // 取最小的纵坐标作为起点
x = end.x;
yend = start.y;
xdirflag = (-1);
}
else
{
y = start.y;
x = start.x;
yend = end.y;
xdirflag = 1;
}
// 添加起点
line->points.push_back(IntPoint(x, y));
cnt++;
// 向 上右 增长
if (((end.x - start.x) * xdirflag) > 0)
{
while (y < yend)
{
y++;
if (d < 0)
{
d += incr1;
}
else
{
x++;
d += incr2; // 横坐标向正方向增长
}
//添加新的点
line->points.push_back(IntPoint(x, y));
cnt++;
}
}
// 向 上左 增长
else
{
while (y < yend)
{
y++;
if (d < 0)
{
d += incr1;
}
else
{
x--;
d += incr2; //横坐标向负方向增长
}
line->points.push_back(IntPoint(x, y));
// 记录添加所有点的数目
cnt++;
}
}
}
line->num_points = cnt;
}第二部分
第二部分做了两个工作，一个是更新空闲点，代表可通过区域，另一个是更新hit点，也就是激光雷达数据点在地图中的位置，代表着障碍物．
2.6.2 地图占用值更新的实现
map.h中有个叫做PointAccumulator的结构体，定义了栅格地图的更新方式以及存储值是如何计算的．其代码如下
//PointAccumulator表示地图中一个cell（栅格）包括的内容
/*
acc： 栅格累计被击中位置
n： 栅格被击中次数
visits：栅格被访问的次数
*/
//PointAccumulator的一个对象，就是一个栅格，gmapping中其他类模板的cell就是这个
struct PointAccumulator
{
//float类型的point
typedef point<float> FloatPoint;
//构造函数
PointAccumulator() : acc(0, 0), n(0), visits(0) {}
PointAccumulator(int i) : acc(0, 0), n(0), visits(0) { assert(i == -1); }
//计算栅格被击中坐标累计值的平均值
inline Point mean() const { return 1. / n * Point(acc.x, acc.y); }
//返回该栅格被占用的概率，范围是 -1（没有访问过） 、[0,1]
inline operator double() const { return visits ? (double)n * 1 / (double)visits : -1; }
//更新该栅格成员变量
inline void update(bool value, const Point &p = Point(0, 0));
//该栅格被击中的位置累计，最后取累计值的均值
FloatPoint acc;
//n表示该栅格被击中的次数，visits表示该栅格被访问的次数
int n, visits;
};
//更新该栅格成员变量，value表示该栅格是否被击中，击中n++，未击中仅visits++;
void PointAccumulator::update(bool value, const Point &p)
{
if (value)
{
acc.x += static_cast<float>(p.x);
acc.y += static_cast<float>(p.y);
n++;
visits += 1;
}
else
visits++;
}
可以看到，每个格子都有2个值，一个是visits，一个是n．
更新占用: 在更新被击中的栅格时, 也就是激光点所在的栅格, n与visits都会加1，
更新空闲: 在更新未被击中的栅格时，也就是从激光到激光点之间的栅格，只有visits加1,
通过重载了()，获取获取每个格子的占用值，也可以说成是被占用的概率．占用值的计算公式为 n/visists，如果是没被更新过就返回-1．
由于visits大于等于n，所以占用值的范围是 [0,1]的，只有当这个值在大于0.25（默认参数）时，在赋值到ros地图的时候才赋值为100，才认为是真正的占用了．
举个例子说明一下栅格地图的占用值更新的方式．
例如：当雷达扫到人腿时，会对击中点的栅格更新一次占用，这时在ROS地图下这个点将被表示为障碍物．
如果人腿离开了这个位置，在之后的过程中，有4次在这个栅格更新了空闲，就会将ROS地图中这个栅格的状态更新到空闲，也就是没有障碍物
原因：
第一次更新地图时，这个格子的占用值为 1/1 = 1 > 0.25 ，就会将ROS地图中这个格子设置为100，表示障碍物．
如果之后4次更新地图，这个栅格都被更新空闲了，则这个格子的占用值将变为 1/5 = 0.2 <0.25了，所以就会将ROS地图中对应的栅格设置为0，变成可通过区域了
这一步为关键，计算激光点的笛卡尔坐标
Point phit = lp;
phit.x += d * a_cos_[i];
phit.y += d * a_sin_[i];
IntPoint p1 = map.world2map(phit);3.运行
roslaunch lesson4 make_gmapping_map.launch实时变化的地图，讲扫描的点即使算打中的次数
可以看到，雷达数据是10hz的，map数据大概是2.5hz．
我们只用了一个线程，也就是雷达回调函数的这个线程．处理一次回调函数需要用时0.4秒，而雷达数据的间隔是0.1秒．
也就是说，当我们正在计算地图的时候，会又有4帧雷达数据到达，当回调函数的缓冲区设置为1时，那这4帧雷达数据将只保留最后一个，其他3帧数据将丢失掉．
这还只是80m * 80m范围的地图，构建更大范围地图的时间将更久．所以，很多SLAM都将地图的生成单独开一个线程，以保证不耽误对实时性要求较高的前端里程计部分
$ rostopic hz /laser_scan /map
topic rate min_delta max_delta std_dev window
===============================================================
/laser_scan 9.987 0.09058 0.1108 0.003163 50
/map 2.613 0.1914 0.4549 0.06057 50
版权声明：本文为ChenXiaoFeng0420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。