A-LOAM学习笔记---源代码分析1--ROS通讯结构思维导图
此文章是笔者在SLAM学习过程中的知识总结，文中若出现笔者尚未意识到的错误，请读者批评指正！
前言
相信很多像笔者一样的小白，在学习SLAM过程中总是会对其复杂的知识体系充满疑惑，每当解决完一个问题会发现还会有无数个问题排在路上。学习SLAM的过程就像是游戏中升级打怪，SLAM所需的各个知识就像是技能点，我们努力从各个方面扩充知识加点技能，但当遇到像A-LOAM这样完整的SLAM算法时，才发现前面所学似乎像一盘散沙，每个技能看似会用了，实则却没能串联在一起，无法打出一套组合拳，在SLAM算法这个终极boss面前，依然是只可远观。笔者以此文章来记录A-LOAM的学习过程，对错综复杂的算法结构进行梳理，希望能对初学者在A-LOAM学习过程中提供一点帮助，更方便的理清思路。
A-LOAM代码框架
A-LOAM源代码的src文件夹中包含有如下5个文件：
- kittiHelper.cpp --------------------- 将kitti数据集转为rosbag文件
- scanRegistration.cpp ------------ 前端lidar点云预处理及特征点提取
- laserOdometry.cpp -------------- 前端激光里程计
- laserMapping.cpp ---------------- 后端当前帧到地图的优化
- lidarFactor.hpp -------------------- Ceres Solver非线性优化结构体
其中算法的核心部分主要集中在scanRegistration.cpp、laserOdometry.cpp、laserMapping.cpp这三个文件中，下文将从这三部分的ROS通讯结构进行梳理。
ROS通讯结构总体思维导图
思维导图阅读说明
为了方便读者理解思维导图所写内容，笔者进行了如下注释：
总体思维导图
后文中分成了三部分对A-LOAM的ROS通讯结构进行了详细描述:
scanRegistration.cpp
图中①：通过订阅"/velodyne_points"话题，将激光雷达的原始数据传输到A-LOAM中，并通过回调函数laserCloudHandler对原始点云数据进行处理，此回调函数主要操作是，通过计算点的曲率提取出特征点，将其分为角点、弱角点、面点和弱面点。
图中②：将点云中的全部点，其中包括特征点和未被提取的非特征点，保存到*laserCloud，转换到ROS数据类型后，通过"/velodyne_cloud_2" 话题发布。
图中③ ④ ⑤ ⑥：将提取出的角点、弱角点、面点和弱面点，分别保存到cornerPointsSharp、cornerPointsLessSharp、surfPointsFlat和surfPointsLessFlat，转换到ROS数据类型后，通过对应的话题发布。
laserOdometry.cpp
图中①：通过订阅"/velodyne_cloud_2"话题，将scanRegistration.cpp发布的所有点的数据，传递到回调函数laserCloudFullResHandler中，此回调函数是将数据保存到fullPointsBuf队列中。
图中② ③ ④ ⑤ ：与①同理，通过订阅对应的话题，将角点、弱角点、面点和弱面点的数据，传递到回调函数，保存到各自的队列中，cornerSharpBuf、cornerLessSharpBuf、surfFlatBuf和surfLessFlatBuf。
图中⑥：通过"/velodyne_cloud_3"话题发布所有点，此处通过skipFrameNum控制发布频率。
图中⑦ ⑧：将②中cornerSharpBuf的角点数据取出，遍历角点，进行点云去畸变，与上一帧的角点进行K近邻搜索，找到两个近邻点，通过Ceres Solver求解非线性优化，完成角点的帧间匹配；面点帧间匹配与角点类似，但匹配的计算方法有所不同，具体请看A-LOAM源代码，此处不再赘述。最后把进行了帧间匹配的角点和面点，分别保存到laserCloudCornerLast和laserCloudSurfLast中，转换数据类型后发布，与⑥发布频率相同。
图中⑨ ⑩：发布前端激光里程计位姿和path。
laserMapping.cpp
图中① ② ③：通过订阅话题"/velodyne_cloud_3"、"/laser_cloud_corner_last"和"/laser_cloud_surf_last"，将所有点、角点和面点，传入对应的回调函数laserCloudFullResHandler、laserCloudCornerLastHandler和laserCloudSurfLastHandler，此处三个回调函数的作用都是将点云数据保存到队列中。
图中④ ：通过订阅"/laser_odom_to_init"话题，将前端激光里程计位姿传入回调函数laserOdometryHandler，此处先将数据保存到odometryBuf队列中，再将激光里程计坐标系位姿转化为地图坐标系位姿，并通过⑨发布。
图中⑤ ⑥：进行点云地图发布，⑤通过"/laser_cloud_surround"话题发布局部地图，频率为每处理5帧发布一次；⑥通过"/laser_cloud_map"话题发布全局地图，此全局地图是21x21x11栅格内的地图，频率为每处理20帧发布一次。
图中⑧ ⑩：发布建图后的里程计和path。
