上篇文章讲解了如何使用GMapping的建图方式进行单帧的地图构建．这篇文章依然进行单帧的地图构建，只不过这篇文章将使用 Hector 这个算法的建图的部分．
1 Hector简介
Hector是2011年开源的二维激光SLAM的项目，非常创新地使用scan-to-map的匹配方式．
首先其论文提出了如何对离散的栅格地图求导，然后说明了如何使用 高斯牛顿法 进行 scan-to-map 的计算．并且使用了多分辨率地图使计算结果更加准确．
hector的wiki主页为 http://wiki.ros.org/hector_mapping?distro=noetic
github上有人对hector的源码进行了注释，其地址为 https://github.com/tu-darmstadt-ros-pkg/hector_slam
2 代码实现
2.1 获取代码
代码已经提交在github上了，如果不知道github的地址的朋友, 请在我的公众号: 从零开始搭激光SLAM 中回复 开源地址 获得。
推荐使用 git clone 的方式进行下载, 因为代码是正处于更新状态的, git clone 下载的代码可以使用 git pull 很方便地进行更新.
本篇文章对应的代码为 Creating-2D-laser-slam-from-scratch/lesson4/src/hector_mapping/ 与 Creating-2D-laser-slam-from-scratch/lesson4/include/hector_mapping/
2.2 回调函数
接下来的代码 位于 Creating-2D-laser-slam-from-scratch/lesson4/src/hector_mapping/hector_mapping.cc
激光的回调函数里有4个步骤
- 对hector_map_进行初始化与内存空间分配
- 将雷达的数据类型转成hector需要的格式
- 将雷达的数据类型写成hector的地图
- 将hector的地图转换成ros中的地图格式并发布出去
这里的hector_map_每次都是重新进行初始化与析构，这也就导致了地图只是这一帧雷达数据的地图，不会与之前的雷达数据相关联．
可以将这里的new delete两行注释掉，然后将构造函数中对hector_map_进行初始化的语句解除注释．
这样的效果就是始终维护一个地图了，这个将在后续进行实验．
// 回调函数
void HectorMapping::ScanCallback(const sensor_msgs::LaserScan &scan)
{
if (!got_first_scan_) // 如果是第一次接收scan
{
got_first_scan_ = true; // 改变第一帧的标志位
map_frame_ = scan.header.frame_id;
}
// 0 初始化与申请内存空间
// 当雷达数据到来时新建地图
hector_map_ = new hectorslam::GridMap(resolution_, map_size_, offset_);
// 1 将雷达的数据类型转成hector需要的格式
ROSLaserScanToDataContainer(scan, laserScan_container_, resolution_);
// 2 将雷达的数据类型写成hector的地图
ComputeMap();
// 3 将hector的地图转换成ros中的地图格式并发布出去
PublishMap();
// 4 析构与释放内存空间
delete hector_map_;
}2.3 ComputeMap()
调用 updateByScanJustOnce() 进行hector地图的生成
// 将雷达数据写成hector的地图
void HectorMapping::ComputeMap()
{
Eigen::Vector3f robotPoseWorld(0, 0, 0);
hector_map_mutex_.lock();
hector_map_->updateByScanJustOnce(laserScan_container_, robotPoseWorld);
hector_map_mutex_.unlock();
}2.4 PublishMap()
将hector格式的地图转换成ROS格式的地图．
这里的循环有个技巧，就是先用 memset() 函数将所有值设置为 -1 ，这样就可以只考虑 占用与空闲两种情况了．
这里的格式转换比上篇文章中的格式转换 快很多，不知道是不是上篇文章中在for循环内部声明变量的问题．
// 将hector的地图转成ROS格式的地图并发布出去
void HectorMapping::PublishMap()
{
int sizeX = hector_map_->getSizeX();
int sizeY = hector_map_->getSizeY();
int size = sizeX * sizeY;
std::vector<int8_t> &data = map_.data;
//std::vector contents are guaranteed to be contiguous, use memset to set all to unknown to save time in loop
memset(&data[0], -1, sizeof(int8_t) * size);
ros_map_mutex_.lock();
for (int i = 0; i < size; ++i)
{
if (hector_map_->isFree(i))
{
data[i] = 0;
}
else if (hector_map_->isOccupied(i))
{
data[i] = 100;
}
}
ros_map_mutex_.unlock();
// 添加当前的时间戳
map_.header.stamp = ros::Time::now();
map_.header.frame_id = map_frame_;
// 发布map和map_metadata
map_publisher_.publish(map_);
map_publisher_metadata_.publish(map_.info);
}2.5 进行bresemham画线
接下来的代码 位于 Creating-2D-laser-slam-from-scratch/lesson4/include/lesson4/hector_mapping/map/OccGridMapBase.h
2.5.1 updateByScanJustOnce()
这段函数首先计算了画线的起始点的坐标索引．
我人为的将起始点坐标设置成了(800, 800), 这样就使得生成的地图始终是固定的了．
之后，进行雷达数据的遍历，求得每个雷达点对应的栅格地图的坐标，作为终点，在起点与终点间进行bresemham画线.
void updateByScanJustOnce(const DataContainer &dataContainer, const Eigen::Vector3f &robotPoseWorld)
{
currMarkFreeIndex = currUpdateIndex + 1;
currMarkOccIndex = currUpdateIndex + 2;
//Get pose in map coordinates from pose in world coordinates
// Eigen::Vector3f mapPose(this->getMapCoordsPose(robotPoseWorld));
Eigen::Vector3f mapPose(800, 800, 0);
//Get a 2D homogenous transform that can be left-multiplied to a robot coordinates vector to get world coordinates of that vector
Eigen::Affine2f poseTransform((Eigen::Translation2f(
mapPose[0], mapPose[1]) *
Eigen::Rotation2Df(mapPose[2])));
//Get start point of all laser beams in map coordinates (same for alle beams, stored in robot coords in dataContainer)
Eigen::Vector2f scanBeginMapf(poseTransform * dataContainer.getOrigo());
//Get integer vector of laser beams start point
Eigen::Vector2i scanBeginMapi(scanBeginMapf[0] + 0.5f, scanBeginMapf[1] + 0.5f);
//Get number of valid beams in current scan
int numValidElems = dataContainer.getSize();
//Iterate over all valid laser beams
for (int i = 0; i < numValidElems; ++i)
{
//Get integer map coordinates of current beam endpoint
Eigen::Vector2i scanEndMapi;
scanEndMapi[0] = scanBeginMapi[0] + (int)round(dataContainer.getVecEntry(i)[0] / 0.05);
scanEndMapi[1] = scanBeginMapi[1] + (int)round(dataContainer.getVecEntry(i)[1] / 0.05);
//Update map using a bresenham variant for drawing a line from beam start to beam endpoint in map coordinates
if (scanBeginMapi != scanEndMapi)
{
updateLineBresenhami(scanBeginMapi, scanEndMapi);
}
}
//Tell the map that it has been updated
this->setUpdated();
//Increase update index (used for updating grid cells only once per incoming scan)
currUpdateIndex += 3;
}2.5.2 updateLineBresenhami()
这段函数首先验证起始点与终止点的坐标是否合法，如果不合法就跳过．
在正常的SLAM算法中，如果发现有雷达点超过了当前地图的边界，那就应该对地图的尺寸进行扩张，以包含新的雷达点，这一块后续的文章会有讲到．
之后，根据横纵坐标的大小，选定一个主方向，然后调用 bresenham2D() 进行 空闲值 的设置．
对终点额外使用 bresenhamCellOcc() 进行 占用值 的设置．
// 设置画线的起点与终点
inline void updateLineBresenhami(const Eigen::Vector2i &beginMap, const Eigen::Vector2i &endMap, unsigned int max_length = UINT_MAX)
{
int x0 = beginMap[0];
int y0 = beginMap[1];
//check if beam start point is inside map, cancel update if this is not the case
if ((x0 < 0) || (x0 >= this->getSizeX()) || (y0 < 0) || (y0 >= this->getSizeY()))
{
return;
}
int x1 = endMap[0];
int y1 = endMap[1];
//check if beam end point is inside map, cancel update if this is not the case
if ((x1 < 0) || (x1 >= this->getSizeX()) || (y1 < 0) || (y1 >= this->getSizeY()))
{
return;
}
int dx = x1 - x0;
int dy = y1 - y0;
unsigned int abs_dx = abs(dx);
unsigned int abs_dy = abs(dy);
int offset_dx = util::sign(dx);
int offset_dy = util::sign(dy) * this->sizeX;
unsigned int startOffset = beginMap.y() * this->sizeX + beginMap.x();
//if x is dominant
if (abs_dx >= abs_dy)
{
int error_y = abs_dx / 2;
bresenham2D(abs_dx, abs_dy, error_y, offset_dx, offset_dy, startOffset);
}
else
{
//otherwise y is dominant
int error_x = abs_dy / 2;
bresenham2D(abs_dy, abs_dx, error_x, offset_dy, offset_dx, startOffset);
}
// 将终点单独拿出来，设置占用
unsigned int endOffset = endMap.y() * this->sizeX + endMap.x();
this->bresenhamCellOcc(endOffset);
}2.5.3 bresenham2D()
这一块就是 bresenham算法的实现，与上篇文章中的代码差不多，这里不再进行说明．
// 进行bresenham画线
inline void bresenham2D(unsigned int abs_da, unsigned int abs_db, int error_b,
int offset_a, int offset_b,
unsigned int offset)
{
// https://www.jianshu.com/p/d63bf63a0e28
// 先把起点格子设置成free
this->bresenhamCellFree(offset);
unsigned int end = abs_da - 1;
for (unsigned int i = 0; i < end; ++i)
{
offset += offset_a;
// 对应 Sub += dy/dx, 这里的实现是对 左右两边同乘 dx 后的结果
error_b += abs_db;
// 判断 Sub > 0
if ((unsigned int)error_b >= abs_da)
{
offset += offset_b;
// 对应Sub += dy/dx - 1, dy/dx 在之前加过了，所以这里只减 1 ，再左右两边同乘 dx
error_b -= abs_da;
}
// 再将路径上的其他点设置成free
this->bresenhamCellFree(offset);
}
}2.5.4 bresenhamCellFree() & bresenhamCellOcc()
分别调用 updateSetFree() 与 updateSetOccupied() 对栅格值进行 空闲与占用 的设置.
// 更新这个格子为空闲格子，只更新这一个格子
inline void bresenhamCellFree(unsigned int offset)
{
ConcreteCellType &cell(this->getCell(offset));
// 每一轮画线，每个格子只更新一次free
if (cell.updateIndex < currMarkFreeIndex)
{
concreteGridFunctions.updateSetFree(cell);
cell.updateIndex = currMarkFreeIndex;
}
}
// 更新这个格子为占用格子，只更新这一个格子
inline void bresenhamCellOcc(unsigned int offset)
{
ConcreteCellType &cell(this->getCell(offset));
// 每一轮画线，每个格子只更新一次占用
if (cell.updateIndex < currMarkOccIndex)
{
// 如果这个格子被设置成free了，先取消free，再设置占用
if (cell.updateIndex == currMarkFreeIndex)
{
concreteGridFunctions.updateUnsetFree(cell);
}
concreteGridFunctions.updateSetOccupied(cell);
cell.updateIndex = currMarkOccIndex;
}
}2.6 Hector中的地图数据类型
2.6.1 地图类
代码位于 Creating-2D-laser-slam-from-scratch/lesson4/include/lesson4/hector_mapping/map/GridMapBase.h
可以看到，栅格地图的表示依然是一个一维指针 ConcreteCellType * mapArray.
ConcreteCellType 在这里是模板参数类型，具体实现在下一节进行讲解．
同时，使用 MapDimensionProperties 类保存栅格地图的尺寸信息．
template <typename ConcreteCellType>
class GridMapBase
{
protected:
ConcreteCellType *mapArray; ///< Map representation used with plain pointer array.
float scaleToMap; ///< Scaling factor from world to map.
Eigen::Affine2f worldTmap; ///< Homogenous 2D transform from map to world coordinates.
Eigen::Affine3f worldTmap3D; ///< Homogenous 3D transform from map to world coordinates.
Eigen::Affine2f mapTworld; ///< Homogenous 2D transform from world to map coordinates.
MapDimensionProperties mapDimensionProperties;
int sizeX;
private:
int lastUpdateIndex;2.6.2 地图占用值更新的实现
上一篇文章中，GMapping是通过 击中次数与观测次数 的比值作为栅格地图中每个格子的值．
这篇文章展示了一种更方便的表示方式．
代码位于 Creating-2D-laser-slam-from-scratch/lesson4/include/lesson4/hector_mapping/map/GridMapLogOdds.h
/**
* Provides functions related to a log odds of occupancy probability respresentation for cells in a occupancy grid map.
*/
class GridMapLogOddsFunctions
{
public:
/**
* Constructor, sets parameters like free and occupied log odds ratios.
*/
GridMapLogOddsFunctions()
{
this->setUpdateFreeFactor(0.4f);
this->setUpdateOccupiedFactor(0.6f);
}
/**
* Update cell as occupied
* @param cell The cell.
*/
void updateSetOccupied(LogOddsCell &cell) const
{
if (cell.logOddsVal < 50.0f)
{
cell.logOddsVal += logOddsOccupied;
}
}
/**
* Update cell as free
* @param cell The cell.
*/
void updateSetFree(LogOddsCell &cell) const
{
cell.logOddsVal += logOddsFree;
}
void updateUnsetFree(LogOddsCell &cell) const
{
cell.logOddsVal -= logOddsFree;
}
/**
* Get the probability value represented by the grid cell.
* @param cell The cell.
* @return The probability
*/
float getGridProbability(const LogOddsCell &cell) const
{
float odds = exp(cell.logOddsVal);
return odds / (odds + 1.0f);
}
void setUpdateFreeFactor(float factor)
{
logOddsFree = probToLogOdds(factor);
}
void setUpdateOccupiedFactor(float factor)
{
logOddsOccupied = probToLogOdds(factor);
}
protected:
float probToLogOdds(float prob)
{
float odds = prob / (1.0f - prob);
return log(odds);
}
float logOddsOccupied; /// < The log odds representation of probability used for updating cells as occupied
float logOddsFree; /// < The log odds representation of probability used for updating cells as free
};栅格地图中每个格子存储的值 表示这个格子是障碍物的概率．但是将这个概率值 通过 probToLogOdds() 函数进行变换了，转换后的形式在更新数值方面更加方便，只需要进行加法就行了．
鉴于有更好的文章对这块进行了讲解，我就不再进行详细说明了，推荐阅读https://zhuanlan.zhihu.com/p/21738718
接下来，举个例子说明一下栅格地图的占用值更新的方式．
例如：
上述代码里将 更新占用值的因子 设置为0.6，将 更新空闲值的因子 设置为0.4， 分别使用 probToLogOdds() 函数进行转换之后得到:
占用值更新量 logOddsOccupied = 0.405465
空闲值更新量 logOddsFree = -0.405465
最后这两个值一正一负．
如果是更新占用，就将这个格子的值加上 logOddsOccupied , 也就是加上 0.405465 ;
如果是更新空闲，就将这个格子的值加上 logOddsFree，也就是减去 -0.405465；
最后通过累加后的值 是否大于零 来决定是否作为障碍物．如果大于零，就当做是障碍物，设置成 黑色格子，如果小于零，就当做是可通过区域，设置成 白色格子．
这样就完成了每个栅格值的累加与更新．
上述代码将 占用值更新量 与 空闲值更新量 设置为数值上大小相等，这样导致的结果就是，格子已经更新成占用了，仅通过一次更新空闲就可以将格子的状态从 占用 转变下去．
实际中，也可以将这两个值设置成大小不一样的，这样在生成地图的时候就会有偏重，可以更容易生成空闲或更容易生成障碍物．
注意
可能有同学不清楚为什么设置一遍栅格状态之后还要更新栅格的值．
这是因为，不管是什么传感器，不管是什么算法，都是存在误差的．
这就导致了不能通过一次两次的更新之后的值，来代表这个栅格是占用还是空闲的，因为这个状态十分有可能是错的．
只有通过长时间的累计之后，最后通过这个值是否大于零，来近似地将这个栅格设置为是否是障碍物，这时候依然不能百分百地确定这个栅格是否就是障碍物．因为，有可能是人腿走过留下的痕迹．
所以，这就是那本非常出名的书叫做 <<概率机器人>>，现在的机器人建图与定位算法基本都是与概率相关，只能按照概率最大的值作为最好值，而不是计算出真实值．
3 运行
3.1 运行
本篇文章对应的数据包, 请在我的公众号中回复 lesson1 获得，并将launch中的bag_filename更改成您实际的目录名。
通过如下命令运行本篇文章对应的程序
roslaunch lesson4 make_hector_map.launch3.2 运行结果
3.2.1 生成单次地图
启动之后，会在rviz中显示出如下画面．
地图是不断地根据雷达数据进行更新的，每次生成的地图只是这一帧雷达数据转换后的结果，不会累加之前的雷达数据．
同时会在终端中打印出如下消息．
初始化与申请内存空间用时: 0.0303726 秒。
转换数据用时: 0.000160402 秒。
计算hector地图用时: 0.00198889 秒。
转换成ros地图用时: 0.0517925 秒。
析构与释放内存空间用时: 8.089e-06 秒。
初始化与申请内存空间用时: 0.0308826 秒。
转换数据用时: 0.000163696 秒。
计算hector地图用时: 0.00205209 秒。
转换成ros地图用时: 0.0492935 秒。
析构与释放内存空间用时: 7.512e-06 秒。大概处理一帧雷达数据生成的地图耗时 0.09s 左右，这对比上篇文章中构建GMapping的耗时 0.4s 已经快很多了．
3.2.2 累加的地图
按照 2.2 节所说，将回调函数的 new 与 delete两行注释掉，然后将构造函数中对hector_map_进行初始化的语句解除注释．
这样就是对 hector_map_ 只进行一次初始化，从始至终维持一张地图．
在同一张地图上不断地进行栅格地图的更新．
其结果如下所示，将产生严重的叠图现象．
终端中打印出如下消息．
初始化与申请内存空间用时: 2.04e-07 秒。
转换数据用时: 0.000567961 秒。
计算hector地图用时: 0.00381367 秒。
转换成ros地图用时: 0.0547162 秒。
析构与释放内存空间用时: 6.9e-08 秒。
初始化与申请内存空间用时: 1.97e-07 秒。
转换数据用时: 0.000578334 秒。
计算hector地图用时: 0.00362355 秒。
转换成ros地图用时: 0.0509386 秒。
析构与释放内存空间用时: 7.9e-08 秒。可以看到，申请内存的时间没有了，程序执行的更快了．
这个实验可以说明SLAM的本质是什么．
就是找到适当的位置(也就是定位)，在这个位置上将雷达数据写成栅格地图．如果每次找到的位置都很准确，那就能构建出十分完美的地图．
3.3 结果分析
可以通过如下命令来看下map这个topic的频率
$ rostopic hz /map /laser_scan
topic rate min_delta max_delta std_dev window
===============================================================
/map 10.12 0.03021 0.1309 0.01243 71
/laser_scan 10.0 0.09056 0.1037 0.002755 71可以看到，同样的地图大小，使用hector的方式构建地图，可以达到10hz的频率，而使用gmapping的方式构建地图，只能达到4hz．
4 总结与Next
本篇文章简要地对Hector中的地图构建模块进行了重新实现．
并说明了Hector中的地图格式以及其地图的更新方式，感受到了其计算地图模块更加快速．
下一篇文章将继续基于Hector进行实现，将进行 scan-to-map 的具体实现，并且对其高斯牛顿求解的过程进行说明．
文章将在 公众号: 从零开始搭SLAM 进行同步更新，欢迎大家关注，可以在公众号中添加我的微信，进激光SLAM交流群，大家一起交流SLAM技术。
同时，也希望您将这个公众号推荐给您身边做激光SLAM的人们，大家共同进步。
如果您对我写的文章有什么建议，或者想要看哪方面功能如何实现的，请直接在公众号中回复，我可以收到，并将认真考虑您的建议。
评论（2）
您还未登录，请登录后发表或查看评论