【2】lightning_lm项目-阶段1-基础理解

文章目录

- - [阶段一：基础理解 - 学习内容 1：项目概述](#阶段一：基础理解 - 学习内容 1：项目概述)
  - [阶段一：基础理解 - 学习内容 2：项目结构详解](#阶段一：基础理解 - 学习内容 2：项目结构详解)
  - [阶段一：基础理解 - 学习内容 3：公共数据结构详解](#阶段一：基础理解 - 学习内容 3：公共数据结构详解)
  - [阶段一：基础理解 - 学习内容 4：系统入口详解](#阶段一：基础理解 - 学习内容 4：系统入口详解)
  - [阶段一：基础理解 - 总结](#阶段一：基础理解 - 总结)
  - 下一步学习计划

阶段一：基础理解 - 学习内容 1：项目概述

重点理解：

项目做什么？

激光雷达 SLAM （同时定位与建图）系统
可以：建图、定位、回环检测

核心特性

这13个特性很重要，先记下来：
完整的 3D Lidar SLAM，快速的 LIO 前端（AA-FasterLIO）--- 标配
3D 至 2D 地图转换（g2p5）
实时回环检测
高精度 3D Lidar 定位
地图分区动态加载
动静态图层分离定位
高频 IMU 平滑输出
GPS 关联（待完成）
里程计输入（待完成）
轻量优化库 Miao
离线/在线两种模式
高频输出（外推器+平滑器）
高性能计算（建图1.2核，定位0.8核）

阶段一：基础理解 - 学习内容 2：项目结构详解

项目结构框架

复制代码

lightning-lm-master/
├── src/                          # 核心源码目录
│   ├── app/                    # 应用程序入口（main函数）
│   ├── common/                 # 公共数据结构和工具
│   ├── core/                   # 核心算法模块（最重要！）
│   ├── io/                   # 文件读写
│   ├── ui/                   # 可视化界面
│   ├── utils/                # 工具函数
│   └── wrapper/             # ROS2封装
├── config/                      # 配置文件
├── thirdparty/                # 第三方库
└── README_CN.md

src/core/ 目录详解（核心中的核心）这个目录包含了所有核心算法：

复制代码

src/core/
├── lio/                      # LIO前端（激光雷达里程计）
│   ├── laser_mapping.h/cc  # 激光建图主类
│   ├── eskf.hpp/cc         # 误差状态卡尔曼滤波
│   ├── imu_processing.hpp # IMU处理
│   └── pointcloud_preprocess.h/cc # 点云预处理
├── loop_closing/            # 回环检测
├── localization/           # 定位模块
│   ├── lidar_loc/         # 激光定位
│   └── pose_graph/       # 位姿图优化
├── maps/                  # 地图管理
├── g2p5/                  # 3D点云转2D栅格
├── miao/                  # 轻量级优化库（自己写的）
├── ivox3d/                # 局部地图空间索引
└── system/                # 系统集成
    ├── slam.h/cc          # SLAM系统主类
    └── loc_system.h/cc   # 定位系统主类

阶段一：基础理解 - 学习内容 3：公共数据结构详解

options.h - 全局配置
这个文件定义了所有模块的全局配置参数，使用命名空间来组织：

debug - 调试相关
lo - 定位相关
map - 地图相关
pgo - 位姿图优化相关
ui - 可视化相关
lidar_loc - 激光定位相关
fasterlio - LIO前端相关
重点理解：这些参数都是 extern 声明，实际定义在 options.cc 中。

keyframe.h - 关键帧
重点看，这个类非常重要：

class Keyframe {
protected:
unsigned long id_ = 0; // 关键帧ID
double timestamp_ = 0; // 时间戳
CloudPtr cloud_; // 降采样后的点云
SE3 pose_lio_; // 前端LIO的位姿
SE3 pose_opt_; // 后端优化后的位姿
NavState state_; // 卡尔曼滤波器状态
};

为什么有两个位姿？

pose_lio_ ：前端 LIO 实时算出来的位姿（可能有漂移）
pose_opt_ ：后端位姿图优化之后的位姿（更准，可能有跳变）
关键点：有一个 data_mutex_ 互斥锁，因为关键帧会被多个线程访问！

nav_state.h - 导航状态
这是系统最核心的数据结构，一定要理解！

状态变量维度：

复制代码

constexpr static int dim = 12;  // 状态变量12维！

12维状态变量：

复制代码

索引    变量名    维度    说明
0-2    pos_       3     位置 (x, y, z)
3-5    rot_       3     旋转 (SO3)
6-8    vel_       3     速度 (vx, vy, vz)
9-11   bg_        3     陀螺零偏 (bgx, bgy, bgz)

注意：

grav_ 是固定的重力向量，不参与在线估计
ba_ （加计零偏）也不在线估计了

重点理解的几个函数（都很重要！）：
ToState() - 把状态转成矢量形式
FromVectState() - 从矢量恢复状态
get_f() - 运动方程
df_dx() - 运动方程对状态的雅可比
boxminus() / boxplus() - 广义加减运算

阶段一：基础理解 - 学习内容 4：系统入口详解

梳理一下整个流程：

程序启动流程 ( run_slam_offline.cc )
流程是这样的：
1. 初始化日志 (gflags, glog)
2. 解析命令行参数 (input_bag, config)
3. 创建 RosbagIO 对象（读 rosbag）
4. 创建 SlamSystem 对象（设置 online_mode_ = false）
5. 调用 slam.Init(config) 初始化
6. 调用 slam.StartSLAM("new_map") 开始
7. 注册 IMU 和 LiDAR 的回调函数
8. 调用 rosbag.Go() 开始跑数据
9. 跑完后调用 slam.SaveMap() 保存地图
SlamSystem 的成员变量 ( slam.h )
这就是系统的核心组成！非常重要，一定要记住：

std::shared_ptr lio_ = nullptr; // LIO前端
std::shared_ptr lc_ = nullptr; // 回环检测
std::shared_ptrui::PangolinWindow ui_ = nullptr; // UI可视化
std::shared_ptrg2p5::G2P5 g2p5_ = nullptr; // 栅格地图

系统的核心就是这几个模块的组合！

SlamSystem 的初始化( slam.cc)

Init() 函数的流程：
第25-29行：先初始化 LIO 前端（ LaserMapping ），这是必须的！
第31-36行：读 yaml 配置文件
第38-44行：如果配置了 with_loop_closing_ ，就初始化回环检测
第46-52行：如果配置了 with_visualization_ ，就初始化 UI
第54-79行：如果配置了 with_gridmap_ ，就初始化 g2p5（栅格地图）
第81-121行：如果是在线模式，就创建 ROS2 node 和 subscriber
数据处理流程 - 重点！

看 ProcessLidar() 函数（第241-303行），这是整个系统的数据流向：

ProcessLidar() 被调用
↓
lio_->ProcessPointCloud2(cloud) // 给LIO前端
lio_->Run() // LIO跑起来
↓
检查是否产生了新的关键帧 (cur_kf_ != kf)
↓
如果产生了新关键帧：
├─→ lc_->AddKF(cur_kf_) // 给回环检测
├─→ g2p5_->PushKeyframe(cur_kf_) // 给栅格地图
└─→ ui_->UpdateKF(cur_kf_) // 给UI更新显示

这就是整个 SLAM 系统的核心数据流！

阶段一：基础理解 - 总结

阶段一已经完成！学了什么？

项目概况和结构
核心数据结构（Keyframe, NavState）
系统入口和数据流

应该掌握的重点：

NavState 的12维状态变量
Keyframe 为什么有两个位姿（pose_lio_ vs pose_opt_）
SlamSystem 的4个核心模块成员
ProcessLidar() 的数据流向

下一步学习计划

阶段一完成！继续学阶段二（LIO前端）

阶段二会学：

点云预处理
IMU处理
ESKF滤波器
激光匹配（ICP）
局部地图管理