hdl_graph_slam/include/hdl_backend.hpp

#include <ros/ros.h>
#include <string>
#include <Eigen/Dense>
#include <memory>
#include <message_filters/subscriber.h>
#include <nav_msgs/Odometry.h>
#include <sensor_msgs/PointCloud2.h>
#include <message_filters/sync_policies/approximate_time.h>
#include <message_filters/synchronizer.h>

typedef message_filters::sync_policies::ApproximateTime<nav_msgs::Odometry, sensor_msgs::PointCloud2> ApproxSyncPolicy;
typedef pcl::PointXYZI PointT;

class hdl_backend {
private:
  

  ros::NodeHandle nh;             // ros 的节点句柄
  ros::Publisher map_points_pub;  // 话题通常包含了所有之前扫描过的点云，随着机器人在环境中移动，新的点云数据会被不断添加到这个地图中，从而提供一个逐步完善的环境表示

  // std::string published_odom_topic;
  std::string map_frame_id;
  // std::string odom_frame_id;
  
  std::string map_cloud_resolution;  // 地图分辨率
  Eigen::Matrix4f trans_odom2map;    // 表示从 里程计坐标系（odom frame）到地图坐标系（map frame）的变换矩阵       这个变换矩阵是跟机械臂变换矩阵类似的 齐次变换矩阵

  int max_keyframes_per_update;  // 限制每次更新中可以处理的最大关键帧数量

  std::string points_topic;  // 点云数据的ROS话题名称，SLAM系统将订阅这个话题来获取点云数据

  std::unique_ptr<message_filters::Subscriber<nav_msgs::Odometry>> odom_sub;
  std::unique_ptr<message_filters::Subscriber<sensor_msgs::PointCloud2>> cloud_sub;
  std::unique_ptr<message_filters::Synchronizer<ApproxSyncPolicy>> sync;

  void cloud_callback(const nav_msgs::OdometryConstPtr& odom_msg, const sensor_msgs::PointCloud2::ConstPtr& cloud_msg){};

public:
  hdl_backend(){};   // 构造函数
  ~hdl_backend(){};  // 析构函数
  void init();       // 初始化函数
  std::string base_frame_id;
};