LIO-SAM框架是什么

LIO-SAM的全称是：Tightly-coupled Lidar Inertial Odometry via Smoothing and
Mapping，从全称上可以看出，该算法是一个紧耦合的雷达惯导里程计（Tightly-coupled Lidar Inertial Odometry），借助的手段就是利用GT-SAM库中的方法。

LIO-SAM提出了一个利用GT-SAM的紧耦合激光雷达惯导里程计的框架。实现了高精度、实时的移动机器人的轨迹估计和建图。在之前的博客讲解了imu如何进行预积分，最终以imu的频率发布了imu的预测位姿里程计。

本篇博客主要讲解，最终是如何进行位姿融合输出的

Eigen：：Affine3f

其中功能的核心在于 位姿间的变换，所以要了解 Eigen：：Affine3f 部分的内容，Affine3f 是eighen库的 仿射变换矩阵

实际上就是：平移向量+旋转变换组合而成，可以同时实现旋转，缩放，平移等空间变换。

Eigen库中，仿射变换矩阵的大致用法为：

创建Eigen：：Affine3f 对象a。

创建类型为Eigen：：Translation3f 对象b，用来存储平移向量；

创建类型为Eigen：：Quaternionf 四元数对象c，用来存储旋转变换；

最后通过以下方式生成最终Affine3f变换矩阵：a=b*c.toRotationMatrix（）;

一个向量通过仿射变换时的方法是result_vector=test_affine*test_vector;

仿射变换包括：平移、旋转、放缩、剪切、反射

平移（translation）和旋转（rotation）顾名思义，两者的组合称之为欧式变换（Euclidean
transformation）或刚体变换（rigid transformation）；

放缩（scaling）可进一步分为uniform scaling和non-uniform scaling，前者每个坐标轴放缩系数相同（各向同性），后者不同；

如果放缩系数为负，则会叠加上反射（reflection）——reflection可以看成是特殊的scaling；

刚体变换+uniform scaling 称之为，相似变换（similarity transformation），即平移+旋转+各向同性的放缩；