第二章 传感器数据处理I：轮式里程计运动模型及标定
里程计：
https://blog.csdn.net/zhu751191958/article/details/79322364?utm_source=blogxgwz2
里程计又包含2 个方面的信息：
一、是位姿（位置和转角），即（x,y,θ）
二、是速度（前进x、y速度和转向速度）。
- 运动解算：绕中心运动
- 运动解算：圆弧运动
- 里程计递推公式
- 最小二乘解
里程计标定的意义：里程计系统误差的三个主要来源为：
- “左右轮实际直径与标称直径的偏差”：会导致直线运动的距离误差。
- “左右轮实际间距与标称间距的偏差”：会导致旋转运动的方向误差。
- “两轮子直径的实际平均值与标称平均值不相等”：将同时影响直线运动和旋转运动
- 经过标定，里程计的精度可到0.3%。
主要基于两轮差速底盘 （九成AGV应用使用差速轮）；
在SLAM领域一般都是使用超定方程组，无解，需要使用最小二乘法求解线性拟合方程。
在线性空间有如PPT所示的通解；
求出和b向量最近的向量，在S线性空间中找b向量的投影b*（最小二乘解）。
a垂直于b：a点乘b等于0；a的转置矩阵乘b等0；
下图为最小二乘法在线性空间的通解：
- 里程计的标定：直接线性、基于模型
分类：直接线性方法、基于运动学模型方法（差速轮、万向轮等）
1、直接线性方法：通用性强、实现简单、精度不高；
2、基于运动学模型方法：精度高、实现复杂、特异性强（只能用于当前运动学模型）。
- 里程计标定内容：
内参： 把传感器内自身要调节的参数，，比如前面作业中里程计模型的两轮间距与两个轮子的半
径。
外参： 传感器之间的信息称为外参，比如里程计与激光雷达之间的时间延迟，位姿变换（旋转矩阵）等。
直接线性方法：
- 参考资料：https://blog.csdn.net/shoufei403/article/details/102877299
- eigen库函数基本用法：https://blog.csdn.net/u012541187/article/details/53420432
- Eigen库函数：http://eigen.tuxfamily.org/dox/group__TopicLinearAlgebraDecompositions.html
- AX=b线性方程组求解问题：https://www.cnblogs.com/wangxiaoyong/p/8977343.html
- 注意点：
- 每一帧激光数据的位姿变化都是基于上一帧激光自身的坐标系变换。
- 论文以激光pose为准，那么就要求激光pose尽量能准确估计出机器人的运动变化，所以最好在建完图之后取全局优化之后的激光pose（关键帧数据太少的话，建议取全部帧激光数据），此时的激光pose已经经过大闭环和全局优化了，位姿比较精确。
- 里程计数据直接取原始数据就行（比如里程计ticks或者累积位移也可以）。
- 在将数据喂给算法之前，要将激光pose数据与里程计数据进行时间戳对齐。
- 标定数据采集方法：原地左右各转三圈，然后向前直行3m (或5m，或10m)，然后原地旋转180°直行回到原地。原地旋转是为了标轮距，直行为了标轮半径。
- 校准时需要在环境特征多的地方。如果在长的走廊里，激光数据计算得到的里程增量是不准的。
基于运动学模型方法 ：
目的：
