工业界大场景SLAM的一点探索
点击下方卡片，关注“新机器视觉”公众号
视觉/图像重磅干货，第一时间送达
作者：Yusheng
https://zhuanlan.zhihu.com/p/402344909
文章仅用于学术分享。
5年前开始接手大场景的SLAM重建，到现在适配过各种常见型号雷达，不同的INS，RTK，另外还有诸如轮速，chassis info，4G/5G通讯定位等信号的输入，处理过许多复杂场景，例如隧道，严重堵车等环境。
最近刚好在做一个超过50km的城市建图数据，效果还挺不错的，跟大家分享一下处理过程：
视频见：
https://www.bilibili.com/video/BV17q4y1D787
数据采集&数据准备
采集车是一辆红旗H9轿车，用到的雷达是顶部的一台128线雷达，组合导航设备是一台平凡无奇的车用级组合导航设备，车辆搭载了8摄像头的周视系统，所有传感器都经过预标定。
采集路线是从武汉的华中智谷到创意城，单程25km多，往返超过了50km，每10s采集一个sequence，总共采集了424个sequence。
由于自己对自己的算法非常有信心（测试过超20T各种数据），于是乎直接上手拿SLAM撸建图，数据准备方面，将数百个sequence按200s一个bag，组合成若干个rosbag，这里为了减小存储量，只提取了前视摄像头，lidar，ins，chassis，轮速的信息出来。
坐标系转换，BLH肯定得转UTM的，所以前端做了一个重发布
点云赋色，基于标定结果反算了一下发现标定精度还是蛮高的，所以又做了点云赋色的进程
数据处理&优化
主要的优化包括以下几点
由于这个组合导航设备蛮垃圾的，即使显示RTK FIX了，但是定位结果还是很差，有时候经纬度还是负数，于是单独开发了一个基于原始数据的RTK程序，让RTKFIX这个值变得稳定，后来又发现即使RTK FIX了，INS的输出有时候还是一团糟，所以做了一个组合导航的滤波，对数据进行了进一步处理，让INS的输出可用。
多线程的管理，赋色，优化，存储，显示这些都做了优化。
地图存储&优化，最后做到200s数据4 Gib大小的地图，10s内能存储完毕。
结果展示
懒得放Google Earth上的轨迹了，将就一下：
由于是要给图商做标注的，所以车道线必须明显
现在的难点一是地图精度评定，二是动态物体去除，一只能借助测绘手段才行，二的话用过一些方法还行，但是无法彻底去除，还得研究研究
—版权声明—
仅用于学术分享，版权属于原作者。
若有侵权，请联系微信号:yiyang-sy 删除或修改！