3d激光slam地图发布程序，3d地图点云处理，c++程序

# Map_Conversion 导航“前端”，将定位后的三维点云实时或离线三维到二维栅格化，并计算代价生成代价地图。 ### 运行 ``` roslaunch map_conversion slam_to_planning.launch ``` ### 效果   ### 参数 ``` %YAML:1.0 Global_file_directory: "/home/qjs/code/ROS_Localization/global_localization_chapter4_ws/src/lidar_localization/slam_data/map/filtered_map2.pcd" #全局地图文件位置 frame_id: "map" local_cloud_frame: "/current_scan" #局部雷达原始帧话题 (/laser_cloud_map) global_max_z: "0" #这两个参数是调整全局栅格地图的Z轴直通滤波的范围 global_min_z: "35" current_max_z: "5" #这两个参数是调整实时栅格地图的Z轴直通滤波的范围 current_min_z: "0" 2d_global_map_resolution: "1" 2d_current_map_resolution: "0.1" 3d_x_size: 30.0 3d_y_size: 30.0 3d_z_size: 10.0 ``` ### 文件介绍 ``` │ CMakeLists.txt │ package.xml │ README.md │ ├─cmake │ eigen.cmake │ global_defination.cmake │ glog.cmake │ PCL.cmake │ yaml.cmake │ ├─config │ params.yaml //参数配置 │ rviz_test.rviz │ ├─include │ └─map_conversion │ │ tic_toc.h //运行时间计算类 │ │ utility.hpp //通用头文件、结构体等存放 │ │ │ ├─cloud_filter //点云滤波算法 │ │ box_filter.hpp │ │ cloud_filter_interface.hpp │ │ no_filter.hpp │ │ voxel_filter.hpp │ │ │ ├─global_defination //工程全局路径生成 │ │ global_defination.h.in │ │ │ ├─pointcloud_process //点云处理类 │ │ costmap_calculator.hpp //生成代价地图、包括考虑2.5d地形和障碍物 │ │ pointcloud_2d_process.hpp //二维栅格化 │ │ pointcloud_3d_process.hpp //三维栅格化 │ │ │ └─ros_topic_interface //ros数据输入输出接口 │ cloud_data.hpp │ cloud_publisher.hpp │ cloud_subscriber.hpp │ ├─launch │ slam_to_planning.launch │ ├─PIC │ pic1.png │ pic2.png │ └─src ├─app 目前有两个节点 │ global_submap_node.cpp //全局子地图节点，10s的周期 │ local_environment_node.cpp //局部环境节点，用于局部规划，包括全局地图和局部地图的对齐，局部地图、局部代价地图 计算和生成等，10hz频率 │ ├─cloud_filter │ box_filter.cpp │ no_filter.cpp │ voxel_filter.cpp │ ├─pointcloud_process //点云处理类 │ costmap_calculator.cpp //生成代价地图，考虑地形和障碍物 │ pointcloud_2d_process.cpp //二维栅格化 │ pointcloud_3d_process.cpp //三维栅格化 │ └─ros_topic_interface //ros数据输入输出接口 cloud_publisher.cpp cloud_subscriber.cpp ``` ### 输入输出 输入： 全局点云pcd：global_map 当前雷达帧local_cloud_frame: "/current_scan" 输出： 全局三维点云地图、三维栅格地图、二维栅格地图 实时当前帧三维栅格地图、二维栅格地图