跳转至

30_中级精读

第41章：中级精读——LiDAR SLAM核心系统（第42周）

教学目标：深入两个最具代表性的LiDAR SLAM系统——FAST-LIO2（ESKF滤波+自研数据结构）和LIO-SAM（GTSAM图优化+PCL重度使用），理解同一问题（LiDAR-Inertial里程计）的两种截然不同的C++实现路径。

精读项目：

  • FAST-LIO2（⭐4.5k，C++14）——PCL极简+自研核心+模板元编程的极致代表。精读文件：laserMapping.cpp（整个系统的主循环——IMU传播+ESKF更新在800行代码中完成，对比LIO-SAM 4个节点数千行）、ikd-Tree.h（增量式KD-Tree——Add_Points()增量插入+Nearest_Search()最近邻搜索+Delete_Point_Boxes()区域删除+异步重平衡，理解模板KD_TREE<PointType>的设计）、IKFoM/目录（流形上的迭代卡尔曼滤波——用MTK宏MTK_BUILD_MANIFOLD定义状态空间，模板元编程自动生成流形更新公式）。C++学习重点：pcl::PointXYZINormal的curvature字段被复用存储时间偏移（零成本利用现有字段避免自定义点类型的复杂性）、ikd-Tree用pthread_mutex而非std::mutex（兼容嵌入式平台——Jetson的某些RTOS不完全支持C++11线程库）。

  • LIO-SAM（⭐4.6k，C++14）——GTSAM因子图+PCL重度使用+多传感器融合的标杆。精读文件：mapOptimization.cpp是PCL使用最密集的SLAM文件——6个VoxelGrid实例（corner/surf/ICP/surroundingKeyPoses/globalMapKeyPoses/globalMapKeyFrames各一个，参数从0.2m到10m不等）、3个KdTreeFLANN实例（surroundKeyFrames半径50m/historyKeyPoses回环搜索/globalMap可视化1000m）、ICP回环验证（maxIter=100, fitnessScore<0.3）。imageProjection.cpp是多传感器数据同步的教科书——imuHandler/odometryHandler/cloudHandler三个回调+独立deque+独立mutex+deskewPoint()利用IMU插值实现点云去畸变。两个独立GTSAM因子图：全局图（mapOptimization中，优化LiDAR里程计+GPS+回环约束）和IMU图（imuPreintegration中，IMU预积分+LiDAR里程计→输出200Hz高频里程计）。