激光SLAM与ROS中，map、odom、laser_link、base_link几个坐标系和坐标转换的理解

由于SLAM过程中需要用到不同的传感器对环境进行感知和观测，而每一个传感器都应一种坐标系，所以在整个SLAM过程中涉及到非常多次的坐标变换，想要搞清楚SLAM的过程，需要对这些坐标变换有充分的理解，本文主要记录一下我对于激光SLAM中坐标变换的理解（ROS下）

在ROS中，常见的坐标系有map，odom，base_link，laser_link，下面分别对这几个坐标系之间的变换进行阐述

base_link $\rightarrow$ laser_link

两个坐标系的理解：

base_link一般就是指以机器人为原点的坐标系，可以直接理解成机器人本身，laser_link指以激光雷达为中心的坐标系（其余类似于imu这些装在机器人身上的传感器坐标系都类似laser_link），这两个坐标系之间的变换比较简单，一般都是静态的，因为传感器一旦安装在机器人身上就不会再发生移动，所以只需要发布一个静态的TF变换即可完成base_link到laser_link之间的变换。

如图所示，雷达扫描到前方3m处有一个障碍物，但是对于机器人来说，该障碍物在前方的6m处，造成这个差距的原因就是两者在不同的坐标系下观测同一障碍物，坐标变换的目的就是把这种观测进行统一，要么在雷达坐标系下认为3m处有障碍，要么在机器人坐标系下认为6m处有障碍。

坐标变换何时用到？

当机器人身上的传感器采集到数据时，这些数据都是位于各个传感器坐标系下的，比如雷达通过icp算法得到的行进里程，如果想要在世界坐标下绘制机器人的运动轨迹，就需要用到laser_link到base_link的坐标变换，把里程数据从雷达坐标系转换到机器人坐标系，再逐层向odom和map进行转换。

谁来发布？

一般由我们直接编写静态坐标变换来发布

odom $\rightarrow$ base_link

两个坐标系的理解：

odom是里程计坐标系，在这个坐标系下已经可以描述机器人的运动了，由机器人里程计发布的信息转换到odom坐标系后，就能够直观的反映机器人的运动里程。odom与base_link之间的坐标变换就由里程计进行发布。机器人运动的时候，是相对于odom这个系在运动，机器人往前运动了10m，是指在odom这个系上运动了10m，但是注意odom和map这两个坐标系不是重合的，要知道机器人在map上运动了多少，还需要做一个odom到map的转换。odom和map不重合的原因就是存在误差，在odom上前进了10m是传感器测出来的，但是真实移动的距离不一定是10m。

坐标变换何时用到？

机器人的里程计，如雷达等，通过icp等算法获得了机器人在两帧数据之间的运动(x,y,theta)，把一段时间内的(x,y,theta)进行累加，就获得了这段时间内机器人的运动轨迹和里程，但是(x,y,theta)是传感器得到的，处于laser_link下，所以需要转换到base_link再转换到odom才能够得到相应的轨迹和里程。

谁来发布？

一般由里程计发布

map $\rightarrow$ odom

两个坐标系的理解：

map是世界坐标，一般我们就站在map的角度观测机器人的运动，机器人在SLAM过程中建立的地图也是在map坐标系下的，ROS中机器人的运动可以理解成发布从base_link $\rightarrow$ map的坐标变换，让base_link在map中动起来，map到base_link的坐标转换是被定位模块计算出来的。但定位模块并不发布map到base_link的转换，相反它先接受从odom到base_link的转换, 再计算并广播map到odom的位置转换关系，是一个间接的过程。

坐标变换何时用到？

map主要在建图时用到，建图的过程实际上就是在map中的正确位置扫描周围信息，建立栅格地图的过程，而正确的位置，就是通过把odom中的位置变换到map中得到的。

谁来发布？

一般由定位模块进行发布

代码中如何体现坐标变换？

在代码中，一般通过tf这个库来进行坐标变换的处理，通过建立一个变换矩阵T来存储两个坐标系之间的坐标变换，在进行坐标变换时，遵循以下步骤：

把数据转换为TF所需要的格式，从TF中创建一个容器V存储这个数据
通过乘以变换矩阵T的方式进行坐标变换，V(base_link) = V(laser_link) * T(laser_link to base_link)
得到V(base_link)后再把数据从TF格式转换为原始格式，供进一步处理

举例：

  tf2::Transform corr_ch;
 
    if (output_.valid)
    {
        // 将雷达数据转换为TF格式数据corr_ch_1
        tf2::Transform corr_ch_l;
        CreateTfFromXYTheta(output_.x[0], output_.x[1], output_.x[2], corr_ch_l);
 
        // 将雷达坐标系下的数据 转换成 base_link坐标系下
        corr_ch = base_to_laser_ * corr_ch_l * laser_to_base_;
 
        // 将base_link坐标系下的数据，转换到odom坐标系下
        base_in_odom_ = base_in_odom_keyframe_ * corr_ch;
   
    }