在机器人运动过程中，每个激光点都在不同的基准位姿上产生（就是在不同的时刻发出激光时机器人的位置是不同的（由于机器人自身的运动），这也是运动畸变产生的根源所在）。
激光扫描时伴随着机器人的运动，每个角度的激光数据都不是瞬时获得的，当激光雷达扫描的频率比较低的时候，机器人运动带来的激光帧的运动误差是不能被忽略的。
当扫描频率是5Hz的激光雷达，一帧数据的收尾时间差是200ms，如果机器人以0.5m/s的速度沿着x方向行走并扫描前面的墙体，那么200ms后尾部的测量距离和首部的测量距离在x方向上就差10cm。
综上：激光雷达产生畸变的原因有三：
一般激光雷达驱动封装一帧数据时， 默认一帧激光数据的所有激光点是在同一个时刻和同一个位姿下采集的，在低频率扫描的激光雷达应用中（5-10Hz），该问题是不可忽视的。当频率比较高时，我们默认激光数据是在同一个时刻同一个位姿下采集的，可忽视该问题。
去除激光雷达运动畸变的原理是把一帧激光雷达数据的每个激光点对应的激光雷达坐标转换到不同时刻的机器人里程计上（近似对应的里程计的位置，达到尽可能去除畸变的目的）
未知对应点的求解方法：
ICP算法的缺点：
没有考虑激光的运动畸变，因此得到的激光数据是错误的（计算的时候假设是正确的），从而造成点云匹配发生错误，通过不断的迭代，虽然能够收敛，能够求解，但是存在误差。
VICP算法考虑了激光的运动畸变，也就是考虑了机器人的运动和速度的存在。
传感器辅助的方法就是极高的位姿更新频率（200Hz），可以比较准确的反应运动情况，以及较高精度的局部位姿估计和状态估计完全解耦
《1》惯性测量单元IMU
《2》轮式里程计odom
如何使用odom去除运动畸变？
COde
#include <ros/ros.h>
#include <tf/tf.h>
#include <tf/transform_broadcaster.h>
#include <tf/transform_listener.h>
#include <sensor_msgs/LaserScan.h>
#include <iostream>
#include <dirent.h>
#include <fstream>
#include <iostream>
#include <string>
//如果使用调试模式，可视化点云，需要安装PCL
#define debug_ 0
#if debug_
#include <pcl-1.7/pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl-1.7/pcl/visualization/cloud_viewer.h>
pcl::visualization::CloudViewer g_PointCloudView("PointCloud View");//初始化一个pcl窗口
#endif
class LidarMotionCalibrator
{
public:
//构造函数，初始化tf_、订阅者、回调函数ScanCallBack
LidarMotionCalibrator(tf::TransformListener* tf)
{
tf_ = tf;
scan_sub_ = nh_.subscribe(scan_sub_name_, 10, &LidarMotionCalibrator::ScanCallBack, this);
scan_pub_ = nh_.advertise<sensor_msgs::LaserScan>(scan_pub_name_, 1000);
}
//析构函数，释放tf_
~LidarMotionCalibrator()
{
if(tf_!=NULL)
delete tf_;
}
// 拿到原始的激光数据来进行处理
void ScanCallBack(const sensor_msgs::LaserScanConstPtr& scan_msg)
{
//转换到矫正需要的数据
ros::Time startTime, endTime;
//一帧scan数据到来首先得出，开始结束的时间戳、数据的size
startTime = scan_msg->header.stamp;
sensor_msgs::LaserScan laserScanMsg = *scan_msg;
//得到最终点的时间
int beamNum = laserScanMsg.ranges.size();
endTime = startTime + ros::Duration(laserScanMsg.time_increment * beamNum);
// 将数据复制出来
std::vector<double> angles,ranges;
for(int i = 0; i < beamNum;i++)
{
double lidar_dist = laserScanMsg.ranges[i];//单位米
double lidar_angle = laserScanMsg.angle_min + laserScanMsg.angle_increment * i;//单位弧度
ranges.push_back(lidar_dist);
angles.push_back(lidar_angle);
}
#if debug_
visual_cloud_.clear();
//转换为pcl::pointcloud for visuailization
//数据矫正前、封装打算点云可视化、红色
visual_cloud_scan(ranges,angles,255,0,0);
#endif
//进行矫正
Lidar_Calibration(ranges,angles,startTime,endTime,tf_);
//数据矫正后、封装打算点云可视化、绿色
//转换为pcl::pointcloud for visuailization
#if debug_
visual_cloud_scan(ranges,angles,0,255,0);
#endif
//发布矫正后的scan
//ROS_INFO("scan_time:%f",ros::Duration(laserScanMsg.time_increment * beamNum).toSec());
scan_cal_pub(ranges,startTime,ros::Duration(laserScanMsg.time_increment * beamNum).toSec());
//进行显示
#if debug_
g_PointCloudView.showCloud(visual_cloud_.makeShared());
#endif
}
/*==============================================================
声明：这里的scan数据重新封装并不完全正确，每个去畸变的激光数据的角度
并没有封装到新的scan中，原因是sensor_msgs::LaserScan的角度是按照分
辨率给定的，相邻相差一致，而去畸变的角度差是不固定，如果重新定义scan
的数据类型，其他功能包需要改动的就太多了，暂时，不做更改。虽然不完全
正确，但是除了机器人猛烈旋转情况下的数据，没有去畸变成功，其他直线或
者低速旋转运动的畸变还是有效的去除了。之后，有机会的话，我会把这部分
完全修改正确，届时，将更新本篇代码部分。这里不影响使用。
==============================================================*/
//矫正之后的scan数据的发布函数，这里默认发布所有360度的所有数据,正着安装,所填写的参数是rplidar A1
void scan_cal_pub(const std::vector<double> &ranges,ros::Time pubTime,double scan_time)
{
//定义sensor_msgs::LaserScan数据
sensor_msgs::LaserScan tempScan;
tempScan.header.stamp=pubTime;
tempScan.header.frame_id=scan_frame_name_;
tempScan.angle_min=-3.12413907051;
tempScan.angle_max=3.14159274101;
tempScan.angle_increment=(tempScan.angle_max-tempScan.angle_min)/(ranges.size()-1);//这个要注意
tempScan.scan_time=(float)scan_time; //单位s
tempScan.time_increment=scan_time/(ranges.size()-1); //这个是变化的
tempScan.range_min=0.15;
tempScan.range_max=6.0;
tempScan.ranges.resize(ranges.size());
tempScan.intensities.resize(ranges.size());
//填充雷达数据,判断填充的是否正确
for(size_t i=0;i<ranges.size();++i)
{
tempScan.ranges[i]=ranges[i];
tempScan.intensities[i]=15.0;//这个可能没用
}
//===========================================================================
#if debug_
//封装数据的可视化的测试
std::vector<double> angles_temp,ranges_temp;
for(int i = 0; i < tempScan.ranges.size();i++)
{
double lidar_dist = tempScan.ranges[i];
double lidar_angle = tempScan.angle_min + tempScan.angle_increment * i;
ranges_temp.push_back(lidar_dist);
angles_temp.push_back(lidar_angle);
}
visual_cloud_scan(ranges_temp,angles_temp,255,255,255);
#endif
//===========================================================================
//发布
scan_pub_.publish(tempScan);
}
//使用点云将激光可视化
#if debug_
void visual_cloud_scan(const std::vector<double> &ranges_,const std::vector<double> &angles_,unsigned char r_,unsigned char g_,unsigned char b_)
{
unsigned char r = r_, g = g_, b = b_; //变量不要重名
for(int i = 0; i < ranges_.size();i++)
{
if(ranges_[i] < 0.05 || std::isnan(ranges_[i]) || std::isinf(ranges_[i]))
continue;
pcl::PointXYZRGB pt;
pt.x = ranges_[i] * cos(angles_[i]);
pt.y = ranges_[i] * sin(angles_[i]);
pt.z = 1.0;
// pack r/g/b into rgb
unsigned int rgb = ((unsigned int)r << 16 | (unsigned int)g << 8 | (unsigned int)b);
pt.rgb = *reinterpret_cast<float*>(&rgb);
visual_cloud_.push_back(pt);
}
}
#endif
/**
* @name getLaserPose()
* @brief 得到机器人在里程计坐标系中的位姿tf::Pose
* 得到dt时刻激光雷达在odom坐标系的位姿odom_pose
* @param odom_pos 机器人的位姿
* @param dt dt时刻
* @param tf_
*/
bool getLaserPose(tf::Stamped<tf::Pose> &odom_pose,
ros::Time dt,
tf::TransformListener * tf_)
{
odom_pose.setIdentity();
tf::Stamped < tf::Pose > robot_pose;
robot_pose.setIdentity();
robot_pose.frame_id_ = scan_frame_name_;//这里是laser_link
robot_pose.stamp_ = dt; //设置为ros::Time()表示返回最近的转换关系
// get the global pose of the robot
try
{ //解决时间不同步问题
if(!tf_->waitForTransform(odom_name_, scan_frame_name_, dt, ros::Duration(0.5))) // 0.15s 的时间可以修改
{
ROS_ERROR("LidarMotion-Can not Wait Transform()");
return false;
}
tf_->transformPose(odom_name_, robot_pose, odom_pose);
}
catch (tf::LookupException& ex)
{
ROS_ERROR("LidarMotion: No Transform available Error looking up robot pose: %s\n", ex.what());
return false;
}
catch (tf::ConnectivityException& ex)
{
ROS_ERROR("LidarMotion: Connectivity Error looking up looking up robot pose: %s\n", ex.what());
return false;
}
catch (tf::ExtrapolationException& ex)
{
ROS_ERROR("LidarMotion: Extrapolation Error looking up looking up robot pose: %s\n", ex.what());
return false;
}
return true;
}
/**
* @brief Lidar_MotionCalibration
* 在分段时刻的，激光雷达运动畸变去除;
* 在此分段函数中，认为机器人是匀速运动；
* @param frame_base_pose 标定完毕之后的基准坐标系
* @param frame_start_pose 本分段第一个激光点对应的位姿
* @param frame_end_pose 本分段最后一个激光点对应的位姿
* @param ranges 激光数据－－距离
* @param angles 激光数据－－角度
* @param startIndex 本分段第一个激光点在激光帧中的下标
* @param beam_number 本分段的激光点数量
*/
void Lidar_MotionCalibration(
tf::Stamped<tf::Pose> frame_base_pose,//对于每一帧scan，基准坐标系一致
tf::Stamped<tf::Pose> frame_start_pose,
tf::Stamped<tf::Pose> frame_end_pose,
std::vector<double>& ranges,
std::vector<double>& angles,
int startIndex, //每一个分段的激光点起始序号
int& beam_number)//此分段中，激光点的个数
{
//每个位姿进行线性插值时的步长
double beam_step = 1.0 / (beam_number-1);
//机器人的起始角度 和 最终角度，四元数表示
tf::Quaternion start_angle_q = frame_start_pose.getRotation();
tf::Quaternion end_angle_q = frame_end_pose.getRotation();
//转换到弧度
double start_angle_r = tf::getYaw(start_angle_q);
double base_angle_r = tf::getYaw(frame_base_pose.getRotation());
//机器人的起始位姿
tf::Vector3 start_pos = frame_start_pose.getOrigin();//Ps
start_pos.setZ(0);
//最终位姿
tf::Vector3 end_pos = frame_end_pose.getOrigin(); //Pe
end_pos.setZ(0);
//基础坐标系
tf::Vector3 base_pos = frame_base_pose.getOrigin();
base_pos.setZ(0);
double mid_angle;
tf::Vector3 mid_pos;
tf::Vector3 mid_point;
double lidar_angle, lidar_dist;
//插值计算出来每个点对应的位姿
for(int i = 0; i< beam_number;i++)
{
//得到该激光点的角度插值，线性插值需要步长、起始和结束数据
mid_angle = tf::getYaw(start_angle_q.slerp(end_angle_q, beam_step * i));
//得到该激光点的里程计位姿线性插值
mid_pos = start_pos.lerp(end_pos, beam_step * i);
//得到激光点在odom 坐标系中的坐标 根据
double tmp_angle;
//如果激光雷达不等于无穷,则需要进行矫正.//首先读数据进行判断
if( tfFuzzyZero(ranges[startIndex + i]) == false)
{
//计算对应的激光点在odom坐标系中的坐标
//得到这帧激光束距离和夹角
lidar_dist = ranges[startIndex+i];
lidar_angle = angles[startIndex+i];
//在激光雷达坐标系下激光点的坐标
double laser_x,laser_y;
laser_x = lidar_dist * cos(lidar_angle);
laser_y = lidar_dist * sin(lidar_angle);
//在对应的里程计坐标系下激光点的坐标
double odom_x,odom_y;
odom_x = laser_x * cos(mid_angle) - laser_y * sin(mid_angle) + mid_pos.x();
odom_y = laser_x * sin(mid_angle) + laser_y * cos(mid_angle) + mid_pos.y();
//转换到类型中去
mid_point.setValue(odom_x, odom_y, 0);
//得到在基准坐标系下激光点的坐标
//把在odom坐标系中的激光数据点 转换到 基础坐标系
//得到那一瞬时，应该测得的激光点的数据
double x0,y0,a0,s,c;
x0 = base_pos.x();
y0 = base_pos.y();
a0 = base_angle_r;
s = sin(a0);
c = cos(a0);
/*
* 把base转换到odom 为[c -s x0;
* s c y0;
* 0 0 1 ]
* 把odom转换到base为 [c s -x0*c - y0*s;
* -s c x0*s - y0*c;
* 0 0 1 ]
*/
double tmp_x,tmp_y;
tmp_x = mid_point.x()*c + mid_point.y()*s - x0*c - y0*s;
tmp_y = -mid_point.x()*s + mid_point.y()*c + x0*s - y0*c;
mid_point.setValue(tmp_x,tmp_y,0);
//然后计算该激光点以起始坐标为起点的 dist angle
double dx,dy;
dx = (mid_point.x());
dy = (mid_point.y());
lidar_dist = sqrt(dx*dx + dy*dy);
lidar_angle = atan2(dy,dx);
//激光雷达被矫正
ranges[startIndex+i] = lidar_dist;
angles[startIndex+i] = lidar_angle;
}
//如果等于无穷,则随便计算一下角度
else
{
//激光角度
lidar_angle = angles[startIndex+i];
//里程计坐标系的角度
tmp_angle = mid_angle + lidar_angle;
tmp_angle = tfNormalizeAngle(tmp_angle);
//如果数据非法 则只需要设置角度就可以了。把角度换算成start_pos坐标系内的角度
lidar_angle = tfNormalizeAngle(tmp_angle - start_angle_r);
angles[startIndex+i] = lidar_angle;
}
}
}
//激光雷达数据 分段线性进行插值 分段的周期为5ms，可以更改
//这里会调用Lidar_MotionCalibration()
/**
* @name Lidar_Calibration()
* @brief 激光雷达数据 分段线性进行差值 分段的周期为5ms
* @param ranges 激光束的距离值集合
* @param angle 激光束的角度值集合
* @param startTime 第一束激光的时间戳
* @param endTime 最后一束激光的时间戳
* @param *tf_
*/
void Lidar_Calibration(std::vector<double>& ranges,
std::vector<double>& angles,
ros::Time startTime,
ros::Time endTime,
tf::TransformListener * tf_)
{
//统计激光束的数量
int beamNumber = ranges.size();
if(beamNumber != angles.size())
{
ROS_ERROR("Error:ranges not match to the angles");
return ;
}
// 5000us来进行分段
int interpolation_time_duration = 5 * 1000;//单位us
tf::Stamped<tf::Pose> frame_base_pose;
tf::Stamped<tf::Pose> frame_start_pose;
tf::Stamped<tf::Pose> frame_mid_pose;
tf::Stamped<tf::Pose> frame_end_pose;
//起始时间 us
double start_time = startTime.toSec() * 1000 * 1000; //转化单位为us
double end_time = endTime.toSec() * 1000 * 1000;
double time_inc = (end_time - start_time) / beamNumber; // 每束激光数据的时间间隔，单位us
//当前插值的段的起始坐标
int start_index = 0;
//起始点的位姿 这里要得到起始点位置的原因是 起始点就是我们的base_pose
//所有的激光点的基准位姿都会改成我们的base_pose
//得到t时刻激光雷达在odom坐标系的位姿frame_start_pose、frame_end_pose
if(!getLaserPose(frame_start_pose, ros::Time(start_time /1000000.0), tf_))
{
ROS_WARN("Not Start Pose,Can not Calib");
return ;
}
if(!getLaserPose(frame_end_pose,ros::Time(end_time / 1000000.0),tf_))
{
ROS_WARN("Not End Pose, Can not Calib");
return ;
}
//计数报错使用
int cnt = 0;
//基准坐标就是第一个位姿的坐标
frame_base_pose = frame_start_pose;
for(int i = 0; i < beamNumber; i++)
{
//分段线性,时间段的大小为interpolation_time_duration=5000us
double mid_time = start_time + time_inc * (i - start_index);//这里的mid_time、start_time多次重复利用
if(mid_time - start_time > interpolation_time_duration || (i == beamNumber - 1))
{
cnt++;
//得到临时终点frame_mid_pose在里程计中的位姿，对应一个激光束
if(!getLaserPose(frame_mid_pose, ros::Time(mid_time/1000000.0), tf_))
{
ROS_ERROR("Mid %d Pose Error",cnt);
return ;
}
//对当前的起点和终点进行插值
//interpolation_time_duration分段间隔中间有多少个点，算上本分段间隔首尾
int interp_count = i - start_index + 1;//可以尝试推算一下，通常会有几十个或者上百个激光点
//对本分段的激光点进行运动畸变的去除
Lidar_MotionCalibration(frame_base_pose,
frame_start_pose,
frame_mid_pose,
ranges,
angles,
start_index,
interp_count);
//更新时间
start_time = mid_time;
start_index = i; //为了方便计算分段中激光点个数
frame_start_pose = frame_mid_pose;
}
}
}
public:
//声明TF的聆听者、ROS句柄、scan的订阅者、scan的发布者
tf::TransformListener* tf_;
ros::NodeHandle nh_;
ros::Subscriber scan_sub_;
ros::Publisher scan_pub_;
//针对各自的情况需要更改的名字，自行更改
const std::string scan_frame_name_="laser_link";
const std::string odom_name_="odom";
const std::string scan_sub_name_="scan";
const std::string scan_pub_name_="scan_cal";
#if debug_
//可视化点云对象
pcl::PointCloud<pcl::PointXYZRGB> visual_cloud_;
#endif
};
int main(int argc,char ** argv)
{
ros::init(argc,argv,"LidarMotionCalib");
tf::TransformListener tf(ros::Duration(10.0));
LidarMotionCalibrator tmpLidarMotionCalib(&tf);
ros::spin();
return 0;
}
参考博客:https://blog.csdn.net/zhao_ke_xue/article/details/105734833