SLAM in Autonomous Driving book (SAD book)

本书的内容编排

• 第1章，概述
• 第2章，数学基础知识回顾，几何学、运动学、KF滤波器理论，矩阵李群
• 第3章，误差状态卡尔曼滤波器，惯性导航、卫星导航、组合导航
• 第4章，预积分，图优化，基于预积分的组合导航
• 第5章，点云基础处理，各种最近邻结构，点云线性拟合
• 第6章，2D激光建图，scan matching, 似然场，子地图，2D回环检测，pose graph
• 第7章，3D激光建图，ICP，变种ICP，NDT，NDT LO, Loam-like LO，LIO松耦合
• 第8章，紧耦合LIO，IESKF，预积分紧耦合LIO
• 第9章，离线建图，前端，后端，批量回环检测，地图优化，切片导出
• 第10章，融合定位，激光定位，初始化搜索，切片地图加载，EKF融合

本书的特点

• 本书大概是您能找到的类似材料中，数学推导和代码实现最为简单的书籍。
• 在这本书里，您会复现许多激光SLAM中的经典算法和数据结构。
  • 您需要自己推导、实现一个误差状态卡尔曼滤波器(ESKF)，把IMU和GNSS的数据喂给它，看它如何推算自己的状态。
  • 您还会用预积分系统实现一样的功能，然后对比它们的运行方式。
  • 接下来您会实现一遍2D激光SLAM中的常见算法：扫描匹配、似然场、子地图，占据栅格，再用回环检测来构建一个更大的地图。这些都需要您自己来完成。
  • 在激光SLAM中，您也会自己实现一遍Kd树，处理近似最近邻，然后用这个Kd树来实现ICP，点面ICP，讨论它们有什么可以改进的地方。
  • 然后您会实现经典的NDT算法，测试它的配准性能，然后用它来搭建一个激光里程计。它比大部分现有LO快得多。
  • 您也会实现一个点面ICP的激光里程计，它也非常快。它工作的方式类似于Loam，但更简单。
  • 您会想要把IMU系统也放到激光里程计中。我们会实现松耦合和紧耦合的LIO系统。同样地，您需要推导一遍迭代卡尔曼滤波器和预积分图优化。
  • 您需要把上面的系统改成离线运行的，让回环检测运行地充分一些。最后将它做成一个离线的建图系统。
  • 最后，您可以对上述地图进行切分，然后用来做实时定位。
• 本书的大部分实现都要比类似的算法库简单的多。您可以快速地理解它们的工作方式，不需要面对复杂的接口。
• 本书会使用非常方便的并发编程。您会发现，本书的实现往往比现有算法更高效。当然这有一部分是历史原因造成的。
• 本书每章都会配有动态演示，像这样：

希望您能喜欢本书的极简风格，发现算法的乐趣所在。

数据集

• 数据集下载链接：

• 百度云链接: https://pan.baidu.com/s/1ELOcF1UTKdfiKBAaXnE8sQ?pwd=feky 提取码: feky

• OneDrive链接：https://1drv.ms/u/s!AgNFVSzSYXMahcEZejoUwCaHRcactQ?e=YsOYy2

• 包含以下数据集。总量较大(270GB)，请视自己硬盘容量下载。

  • UrbanLoco (ULHK，3D激光，道路场景)
  • NCLT (3D激光，RTK，校园场景)
  • WXB (3D激光，园区场景)
  • 2dmapping (2D激光，商场场景)
  • AVIA (大疆固态激光)
  • UTBM (3D激光，道路场景)

• 其他的内置数据

  • 第3,4章使用文本格式的IMU，RTK数据
  • 第7章使用了一部分EPFL的数据作为配准点云来源

• 您应该将上述数据下载至./dataset/sad/目录下，这样许多默认参数可以正常工作。如果不那么做，您也可以手动指定这些文件路径。如果您硬盘容量不足，可以将其他硬盘的目录软链至此处。

编译(在原有基础上进行了修改)

(以UBUNTU20.04-ROS-NOETIC为例)

• 本书推荐的编译环境是Ubuntu 20.04。更老的Ubuntu版本需要适配gcc编译器，主要是C++17标准。更新的Ubuntu则需要您自己安装对应的ROS版本。

1.安装ros noetic： http://wiki.ros.org/noetic/Installation/Ubuntu

2.安装noetic相关的依赖库： sudo apt install -y ros-noetic-pcl-ros ros-noetic-velodyne-msgs libopencv-dev libgoogle-glog-dev libeigen3-dev libsuitesparse-dev libpcl-dev libyaml-cpp-dev libbtbb-dev libgmock-dev

3.安装Pangolin：

• https://github.com/stevenlovegrove/Pangolin
• git clone --recursive https://github.com/stevenlovegrove/Pangolin.git
• ./scripts/install_prerequisites.sh --dry-run recommended
• ./scripts/install_prerequisites.sh -m brew all（这步可能提示没有brew，因此需要安装homebrew）

4.安装HomeBrew：

• sudo apt update
• sudo apt upgrade
• sudo apt install build-essential curl file git
• sh -c "$(curl -fsSL https://raw.githubusercontent.com/Linuxbrew/install/master/install.sh)"(这步可能提示没有curl，再安装一个curl)

5.安装curl:

• sudo apt-get update
• sudo apt install curl

6.安装完curl继续安装HomeBrew:

• test -d /.linuxbrew && eval $(/.linuxbrew/bin/brew shellenv)
• test -d /home/linuxbrew/.linuxbrew && eval $(/home/linuxbrew/.linuxbrew/bin/brew shellenv)
• test -r /.bash_profile && echo eval" ($(brew --prefix)/bin/brew shellenv)" >>/.bash_profile
• echo "eval $($(brew --prefix)/bin/brew shellenv)" >>~/.profile
• brew --version（查看是否安装成功）

7.安装完HomeBrew继续安装Pangolin：

• ./scripts/install_prerequisites.sh -m brew all
• cd ~/根目录/Pangolin
• ./scripts/install_prerequisites.sh recommended
• cmake -B build
• cmake --build build
• cmake -B build -GNinja(如果提示没有Ninja：sudo apt install ninja-build)
• cmake --build build
• cmake --build build -t pypangolin_pip_install
• ctest(可能会提示没有catch2)

8.安装Catch2：

• git clone https://github.com/catchorg/Catch2.git
• cd Catch2
• cmake -Bbuild -H. -DBUILD_TESTING=OFF
• sudo cmake --build build/ --target install

9.重新运行ctest

• ctest

10.编译g2o：

• cd slam_in_autonomous_driving/thirdparty/g2o
• mkdir build
• cd build
• cmake ..
• make -j

11.编译整个项目

• cd ../../../
• mkdir build
• cd build
• cmake ..
• make -j

12.验证是否编译成功

• ./bin/motion

可能遇到的问题

1.显示 #include “g2o/config.h”报错，将/slam_in_autonomous_driving/thirdparty/g2o/build/g2o下的config.h复制到/slam_in_autonomous_driving/thirdparty/g2o/g2o，重新编译

2.剩下问题同官方上传的环境配置（更新版）.pdf