SLMA-雷达点如何转变为range image图像以及range image图像和球坐标系的关系；IROS 2020 REMOVERT动态SLAM论文解析

雷达点如何转变到range image图像

使用激光雷达采样得到的点一般包含x y z 坐标以及intensity、time、ring属性。参考如下：

namespace velodyne_ros {
struct EIGEN_ALIGN16 Point {
 PCL_ADD_POINT4D;
 float intensity;
 float time;
 uint16_t ring;
 EIGEN_MAKE_ALIGNED_OPERATOR_NEW
};
}

POINT_CLOUD_REGISTER_POINT_STRUCT(velodyne_ros::Point,
    (float, x, x)
    (float, y, y)
    (float, z, z)
    (float, intensity, intensity)
    (float, time, time)
    (uint16_t, ring, ring)
)

void cloudProcessing::velodyneHandler(const sensor_msgs::PointCloud2::ConstPtr &msg, double &dt_offset)
{
pcl::PointCloud<velodyne_ros::Point> raw_cloud;
     pcl::fromROSMsg(*msg, raw_cloud);
}

通过上述操作可以将激光雷达采集到的点在雷达回调函数中从ros的msg格式转化为自定义格式。获取到自定义雷达数据后，一般需要将一帧雷达数据中的所有点转换到range image中。
range image的横坐标是雷达的垂直分辨率，纵坐标是雷达的水平分辨率。此外每个图像中的雷达点需要包含一个强度信息。这三个属性在下面会介绍如何和球体坐标进行关联。
一个常见的将每一帧雷达点编码为range image伪代码如下所示：

          int row_id, col_id;
          double vertical_angle, horizon_angle, yaw_angle, range;

          if (given_ring)
          {
               row_id = raw_cloud.points[i].ring;
               assert(row_id >= 0 && row_id < N_SCANS);
          }
          else
          {
               vertical_angle = atan2(point_temp.raw_point.z(), sqrt(point_temp.raw_point.x() * point_temp.raw_point.x() 
                    + point_temp.raw_point.y() * point_temp.raw_point.y())) * 180 / M_PI;

               row_id = (vertical_angle + ang_bottom) / ang_res_y;
               if (row_id < 0 || row_id >= N_SCANS) continue;
          }

          yaw_angle = atan2(point_temp.raw_point.y(), point_temp.raw_point.x()) * 57.2957;

          if (is_first[row_id])
          {
               horizon_angle = atan2(point_temp.raw_point.x(), point_temp.raw_point.y()) * 180 / M_PI;

               col_id = -round((horizon_angle - 90.0)/ang_res_x) + Horizon_SCANS/2;
               if (col_id >= Horizon_SCANS)
                    col_id -= Horizon_SCANS;

               if (col_id < 0 || col_id >= Horizon_SCANS) continue;

               range = sqrt(point_temp.raw_point.x() * point_temp.raw_point.x() 
                    + point_temp.raw_point.y() * point_temp.raw_point.y() 
                    + point_temp.raw_point.z() * point_temp.raw_point.z());

               if (range < blind) continue;

               point_temp.range = range;

               yaw_first_point[row_id] = yaw_angle;
               is_first[row_id] = false;

               if (given_offset_time)
               {
                    point_temp.timestamp = point_temp.relative_time / double(1000) + msg->header.stamp.toSec();
                    point_temp.alpha_time = point_temp.relative_time / dt_last_point;
               }
               else
                    point_temp.relative_time = 0.0;

               range_mat.at<float>(row_id, col_id) = range;

               num_full_points++;

               full_cloud[col_id  + row_id * Horizon_SCANS] = point_temp;

               continue;
          }

上面的二维图像表示并没有真正使用二维图像，而是将二维图像一维划，这个也是雷达点云处理非常普遍的处理方式。

球体坐标关联

查看如下图片：


上图右边所示的图片是更具体的关于雷达点云的像素（rang）投影过程解释，具体可以参考下面这篇知乎原文对于Removert论文的解释，非常清晰。
https://zhuanlan.zhihu.com/p/491271775

原文地址：https://blog.csdn.net/weixin_45863010/article/details/142742499

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！