JokerJohn / LIO_SAM_6AXIS

LIO_SAM for 6-axis IMU and GNSS.
585 stars 116 forks source link

gps_odom与后端优化的轨迹不重合 #10

Closed weixiaopassking closed 2 years ago

weixiaopassking commented 2 years ago

你好,非常感谢在方向初始化方面提供的思路帮助,但是还有一个问题想请教,如下图如果在gps信号良好的时候,我们认为gps_odom轨迹为真值,但是后端优化的轨迹与gps_odom却不重合,这是什么原因呢?理论上如果lidar_odom与gps_odom已经对齐过,他们俩的轨迹应该有较高重合才对,期待解答,谢谢。 image

JokerJohn commented 2 years ago

你好,非常感谢在方向初始化方面提供的思路帮助,但是还有一个问题想请教,如下图如果在gps信号良好的时候,我们认为gps_odom轨迹为真值,但是后端优化的轨迹与gps_odom却不重合,这是什么原因呢?理论上如果lidar_odom与gps_odom已经对齐过,他们俩的轨迹应该有较高重合才对,期待解答,谢谢。 image

如果是RTK状态,GPS确实可以作为真值,但在户外场景下要保持GPS RTK持续FIX状态,不太现实,会受到诸多干扰,所以无法确保每一帧GPS位置数据都是准确的。而SLAM局部位姿的估计上比较精准,相当于可以用SLAM来补足这些质量较低的GPS点。 至于为什么我给的数据中GPS ODOM轨迹没有和SLAM融合后的轨迹重合,有以下原因。 1.数据是普通的GPS,无RTK,大部分场景GPS质量较差,GPS_ODOM只是粗略的估计了yaw朝向,没有得到每一个位置的精准位姿。 2.GPS数据不稳定,z轴相比XY误差更大,即使在同一个地点也会因为不同时间到达得到有一定差异的数据。在突然从信号好切到信号不好的位置,需要一定时间的收敛。所以即使是RTK FIX状态,短时间的GPS数据也不一定能用。所以在做优化的时候需要慎重选取GPS点,在GPS信号一般的局部位置上我们更相信SLAM的结果。 3.lidar_odom与GPS odom对齐并不意味着两者轨迹重合。和你选取用于优化的GPS点的质量、数量以及权重有关系。

JokerJohn commented 2 years ago

如果你想在信号好的时候,GPS估计与SLAM轨迹完全重合,可以再这些位置吧GPS权重设置大一点,表明更相信GPS结果,对应修改gtsam中noisemodel。