LIO-SAM的全稱是：Tightly-coupled Lidar Inertial Odometry via Smoothing and
Mapping，從全稱上可以看出，該算法是一個緊耦合的雷達慣導(dǎo)里程計（Tightly-coupled Lidar Inertial Odometry），借助的手段就是利用GT-SAM庫中的方法。

LIO-SAM提出了一個利用GT-SAM的緊耦合激光雷達慣導(dǎo)里程計的框架。實現(xiàn)了高精度、實時的移動機器人的軌跡估計和建圖。在之前的博客講解了imu如何進行預(yù)積分，最終以imu的頻率發(fā)布了imu的預(yù)測位姿里程計。

本篇博客主要講解，最終是如何進行位姿融合輸出的

Eigen：：Affine3f

其中功能的核心在于 位姿間的變換，所以要了解 Eigen：：Affine3f 部分的內(nèi)容，Affine3f 是eighen庫的 仿射變換矩陣

實際上就是：平移向量+旋轉(zhuǎn)變換組合而成，可以同時實現(xiàn)旋轉(zhuǎn)，縮放，平移等空間變換。

Eigen庫中，仿射變換矩陣的大致用法為：

創(chuàng)建Eigen：：Affine3f 對象a。

創(chuàng)建類型為Eigen：：Translation3f 對象b，用來存儲平移向量；

創(chuàng)建類型為Eigen：：Quaternionf 四元數(shù)對象c，用來存儲旋轉(zhuǎn)變換；

最后通過以下方式生成最終Affine3f變換矩陣：a=b*c.toRotationMatrix（）;

一個向量通過仿射變換時的方法是result_vector=test_affine*test_vector;

仿射變換包括：平移、旋轉(zhuǎn)、放縮、剪切、反射

平移（translation）和旋轉(zhuǎn)（rotation）顧名思義，兩者的組合稱之為歐式變換（Euclidean
transformation）或剛體變換（rigid transformation）；

放縮（scaling）可進一步分為uniform scaling和non-uniform scaling，前者每個坐標軸放縮系數(shù)相同（各向同性），后者不同；

如果放縮系數(shù)為負，則會疊加上反射（reflection）——reflection可以看成是特殊的scaling；

剛體變換+uniform scaling 稱之為，相似變換（similarity transformation），即平移+旋轉(zhuǎn)+各向同性的放縮；