Die Beziehung zwischen Punktwolkenkarten und Diagrammkarten

Ich bin am besten mit SLAM-Karten vertraut, die Punktwolken sind, normalerweise in Form eines Vektors wie . Ich verstehe auch, wie man eine solche Karte mit einem EKF erstellt.$<x,y,\theta,f_{1x},f_{1y},...,f_{nx},f_{ny}>$

Heute bin ich auf ein .graph-Dateiformat gestoßen , das erwartungsgemäß aus Eckpunkten und Kanten im Format besteht:

VERTEX2 id x y orientation

EDGE2 observed_vertex_id observing_vertex_id forward sideward rotate inf_ff inf_fs inf_ss inf_rr inf_fr inf_sr

Ich weiß, dass es eine Verbindung zwischen Matrizen und Graphen gibt (zum Beispiel eine Adjazenzmatrix). Mir ist jedoch nicht klar, wie dieses Diagrammformat einer Karte einer mir vertrauten Punktwolkenkarte entspricht.

Was ist die Beziehung? Sind die Eckpunkte sowohl Posen als auch Orientierungspunkte? Befinden sie sich in einem globalen Referenzrahmen? Wie entsteht dies beispielsweise aus Geschwindigkeitsinformationen und einem Entfernungs- / Peilungssensor? Gibt es eine Transformation zwischen einer Grafikkarte und einer Punktwolke?

Wie in der Beschreibung des Dateiformats angegeben, handelt es sich um graphbasierte SLAM-Ansätze. Diese arbeiten daran, den Fehler eines Pose-Constraint-Netzwerks zu minimieren. Sie können sich das so vorstellen: Es gibt eine Reihe von Referenzrahmen (Ihre Eckpunkte), und dann haben Sie Kenntnisse über die Transformation zwischen diesen Rahmen. Diese Transformationen sind mit einer Unsicherheit verbunden. Pose-Graph-Optimierungs-Frameworks wie z. B. TORO , HogMan , G2O usw. geben Ihnen dann die maximale Wahrscheinlichkeit Ihrer Scheitelpunktpositionen unter Berücksichtigung der Einschränkungen.

In der Praxis bedeutet dies normalerweise:

• $p_k$$k$
• Abhängig von Ihrer Vorgehensweise können Sie auch Orientierungspunkte als Scheitelpunkte hinzufügen. Das musst du aber nicht.
• $p_k$$p_{k+1}$
• Wenn Ihr Ansatz auf Orientierungspunkten basiert, fügen Sie Ihren Orientierungspunkten Transformationen hinzu. Wenn Sie nur die Position zu Ihrem Orientierungspunkt kennen, legen Sie eine hohe Unsicherheit für die Rotationsinformationen Ihrer Transformation fest.
• Wenn Ihr Ansatz keine Orientierungspunkte kennt, z. B. wenn Sie große Punktwolken haben, die mit ICP übereinstimmen, können Sie die ICP-Ergebnisse zu Ihrem Einschränkungsdiagramm hinzufügen.

$n \times n$$n$

VERTEX2VERTEX3from_idto_idEDGE2EDGE3$[x\, y \, z\, \text{roll}\, \text{pitch}\, \text{yaw}]$

Abhängig von Ihrem Framework ist normalerweise einer der Eckpunkte in einem globalen Referenzrahmen geerdet.

Graphbasierte Pose Graph Optimizer gelten als SLAM-Backends. Wie Sie die Einschränkungen generieren, z. B. aus Ihren Bereichsdaten, ist ein Front-End-Problem. In diesen Vorlesungsunterlagen finden Sie eine schöne Übersicht .

Es gibt einen Forumsbeitrag mit weiteren Informationen zum Format. Es sieht so aus, als wären die Graphknotenwerte anfängliche Schätzungen von Selbstposen, und Kanten codieren Posenbeschränkungen, wie sie durch den Informationsfilter , das Dual des Kalman-Filters, dargestellt werden.

Soweit ich weiß, enthält dieses Kartenformat nur Informationen zur Selbstdarstellung und keine Orientierungspunkte, sodass keine direkte Konvertierung von einer Punktwolkenkarte erfolgen würde.