matlab_slam.zip

%主函数 clear; close all; clc; cfig = figure(1); %cfig = figure('Position', [10,10,1280,1080]); % 激光雷达的传感器参数 lidar = SetLidarParameters(); % 地图参数 borderSize = 1; % 边界尺寸 pixelSize = 0.2; % 栅格地图的一个单元的边长 对应 实际距离pixelSize米(这里设置为0.2米) miniUpdated = false; % miniUpdateDT = 0.1; % 单位m 若机器人在x方向或y方向移动超过miniUpdateDT 则更新位姿 miniUpdateDR = deg2rad(5); % 单位rad 若机器人旋转超过miniUpdateDR 则更新位姿 % 如果机器人从最后一次键扫描移动了0.1米或旋转了5度，我们将添加一个新的键扫描并更新地图 % 扫描匹配参数 fastResolution = [0.05; 0.05; deg2rad(0.5)]; % [m; m; rad]的分辨率 bruteResolution = [0.01; 0.01; deg2rad(0.1)]; % not used % 读取激光雷达数据 lidar_data = load('horizental_lidar.mat'); N = size(lidar_data.timestamps, 1);%扫描次数(控制下面的循环次数) % 构造一个空全局地图 map.points = [];%地图点集 map.connections = []; map.keyscans = [];%keyscans保存当前正确位姿的扫描数据 如果预测得到的下一位姿出现错误 则返回到距其最近的前一位姿重新计算 pose = [0; 0; 0];%初始位姿为(x=0,y=0,theta=0) path = pose;%位姿并置构成路径 %是否将绘制过程保存成视频 saveFrame=0; if saveFrame==1 % 视频保存文件定义与打开 writerObj=VideoWriter('SLAMprocess.avi'); % 定义一个视频文件用来存动画 open(writerObj); % 打开该视频文件 end % Here we go!!!!!!!!!!!!!!!!!!!! for scanIdx = 1 : 1 : N %disp(['scan ', num2str(scanIdx)]); pose % 得到当前的扫描 [x1,y1; x2,y2; ...] %time = lidar_data.timestamps(scanIdx) * 1e-9;%时间设置成每1e-9扫描一次 scan = ReadAScan(lidar_data, scanIdx, lidar, 24);%得到该次扫描数据的局部笛卡尔坐标 % 如果是第一次扫描 则初始化 if scanIdx == 1 map = Initialize(map, pose, scan);%把扫描数据scan坐标 通过位姿pose 转换为全局地图map坐标 miniUpdated = true; continue; end % 1. 如果我们在最后一步执行了 mini更新，我们将更新 局部点集图 和 局部栅格地图（粗略） % 1. If we executed a mini update in last step, we shall update the local points map and local grid map (coarse) if miniUpdated localMap = ExtractLocalMap(map.points, pose, scan, borderSize);%得到当前扫描的全局坐标 gridMap1 = OccuGrid(localMap, pixelSize);%从点集localMap 栅格单元尺寸对应实际长度以pixelSize 创建占用栅格地图 gridMap2 = OccuGrid(localMap, pixelSize/2);%从点集localMap 栅格单元尺寸对应实际长度以pixelSize/2 创建占用栅格地图 end % 2. 使用恒定速度运动模型预测当前位姿(即用前一状态到本状态的过程 作为本状态到下一状态的过程 从而由本状态预测下一状态) if scanIdx > 2 pose_guess = pose + DiffPose(path(:,end-1), pose);%预测下一位姿=当前位姿+(当前位姿与上一位姿的差) pose是一个全局坐标 else pose_guess = pose; %为什么预测位姿等于当前位姿加上（位姿偏差） end % 3. 快速匹配 if miniUpdated [pose, ~] = FastMatch(gridMap1, scan, pose_guess, fastResolution);%根据当前栅格地图 优化 预测的下一位姿 else [pose, ~] = FastMatch(gridMap2, scan, pose_guess, fastResolution); end % 4. 使用较高的分辨率再细化 预测下一位姿 % gridMap = OccuGrid(localMap, pixelSize/2); [pose, hits] = FastMatch(gridMap2, scan, pose, fastResolution/2);%返回进一步更新的下一位姿pose % 如果机器人移动了一定距离，则执行mini更新 dp = abs(DiffPose(map.keyscans(end).pose, pose));%两次位姿的差 if dp(1)>miniUpdateDT || dp(2)>miniUpdateDT || dp(3)>miniUpdateDR miniUpdated = true; [map, pose] = AddAKeyScan(map, gridMap2, scan, pose, hits,... pixelSize, bruteResolution, 0.1, deg2rad(3)); else miniUpdated = false; end path = [path, pose]; %把当前位姿pose 并入路径path % ===== Loop Closing ========================================= % if miniUpdated % if TryLoopOrNot(map) % map.keyscans(end).loopTried = true; % map = DetectLoopClosure(map, scan, hits, 4, pi/6, pixelSize); % end % end %---------------------------------------------------------------------- % 绘图 if mod(scanIdx, 20) == 0%每30步画一次图 PlotMap(cfig, map, path, scan, scanIdx); %获取视频帧并保存成视频 if saveFrame==1 frame = getframe(cfig); writeVideo(writerObj, frame); end end end if saveFrame==1 close(writerObj); %关闭视频文件句柄 end