系列文章目录
提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
TODO:写完再整理
文章目录
前言
认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！
本文先对**【无人驾驶autoware 项目实战】感知–定位模块**做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章
提示：以下是本篇文章正文内容
一、功能
定位模块使用SLAM算法、3D map(高精度地图)服务、NDT来实现，使用从CAN消息和GNSS/IMU传感器获取的里程计信息，通过Kalman滤波算法对定位结果进行补充
Autoware主要使用NDT算法进行局部化。这是因为无损检测的计算成本算法不受地图大小的支配，从而使高清晰度和高分辨率3D的部署大比例尺地图
Autoware还支持其他本地化和映射算法，如迭代最近点（ICP）算法。这允许Autoware用户为其应用程序选择最适合的算法
.
.
二、输入
【pointcloud data】
激光雷达的点云数据（经过PCL下采样滤波的点云处理后的数据
.
【pointcloud map】
SLAM建立的三维点云地图
.
【GNSS pose】
GNSS绝对型定位信息
.
【IMU】
惯性导航数据
.
.
三、输出
【current pose】
无人车的当前位姿
.
【current velocity】
无人车的当前速度
.
.
四、算法流程实现
1.【current velocity】
车辆的当前速度current velocity是根据定位信息速度localizer velocity 和车底盘里程计CAN velocity融合得到的
立个flag…效果、算法原理、源码我在整理一次再更~
.
.
2.【lidar_localizer(ndt_matching)】
根据预先构建的点云地图和实时激光雷达LIDAR点云数据，autoware推荐使用正态分布变换(NDT)算法来匹配激光雷达当前帧和3D map，计算车辆当在全局坐标的当前位置(x,y,z,roll,pitch,yaw)
立个flag…效果、算法原理、源码我在整理一次再更~
.
.
3.【gnss_localizer（fix2tfpose）】
fix2tfpose包含于gnss_localizer功能包中，通过转换GNSS接收器发来的NEMA消息得到位置消息，后面还要自己实现还有就是全局和局部坐标系的转换。转换GNSS接收器发来的NEMA消息到位置信息(x,y,z,roll,pitch,yaw)。结果可以被单独使用为车辆当前位置，也可以作为lidar_localizar的初始参考位置
立个flag…效果、算法原理、源码我在整理一次再更~
.
.
4.【dead_reckoner】
用于优化定位的，使用当前车辆速度（current velocity）、IMU传感器预测车辆的下一帧位置增量delte pose，可以用来对lidar_localizar和gnss_localizar的结果进行插值
立个flag…效果、算法原理、源码我在整理一次再更~
.
.