关于使用其他数据集的配置问题

[DioBakery]

使用私有数据集的时候能够很好地运行，但是使用其他数据集时候不确定要设定哪些参数，导致可能在开启img_enable时效果不如关闭时的效果，甚至产生较大漂移
例如：使用m2dgr的gate_01.bag时，使用如下参数：
config.yaml

feature_extract_enable : 0
point_filter_num : 1
max_iteration : 10
dense_map_enable : 1
filter_size_surf : 0.15
filter_size_map : 0.15
cube_side_length : 20
grid_size : 40
patch_size : 8
img_enable : 1
lidar_enable : 1
outlier_threshold : 300 # 78 100 156
ncc_en: false
ncc_thre: 0
img_point_cov : 1000 # 1000
laser_point_cov : 0.001 # 0.001
pose_output_en: false
delta_time: 0.0

common:
lid_topic: "/velodyne_points"
imu_topic: "/handsfree/imu"

preprocess:
lidar_type: 2 # 1:Livox LiDAR 2:VELO16 3:OUST64 4:XT32 5:Mid360
scan_line: 32 # 16 64 32
blind: 0.5 # blind x m disable

mapping:
acc_cov_scale: 100
gyr_cov_scale: 10000
extrinsic_T: [0.27255, -0.00053,0.17954] # lidar to imu
extrinsic_R: [1, 0, 0,
0, 1, 0,
0, 0, 1]

pcd_save:
pcd_save_en: false

camera:
img_topic: /camera/color/image_raw
Rcl: [0, -1, 0,
0, 0, -1,
1, 0, 0]
Pcl: [-0.27255, 0.00053, -0.17954]

camera.yaml

cam_model: Pinhole
cam_width: 640
cam_height: 480
cam_fx: 617.971050917033
cam_fy: 616.445131524790
cam_cx: 327.710279392468
cam_cy: 253.976983707814
cam_d0: 0.148000794688248
cam_d1: -0.217835187249065
cam_d2: 0
cam_d3: 0
效果如下：
img_enable=1：

img_enable=0：

将point_filter_num调小效果会稍好一些，但仍然会有偏移
相机和雷达的内外参是根据数据集标定配置的，但其他参数不太确定作用，烦请指教。

[xuankuzcr]

m2dgr相机和LiDAR的数据未同步，从你第一张图的残影就可以看出来。由于相机和LiDAR的时间戳不是他们真实采样时刻的时间戳，不同时空系的数据加入一定会产生负优化。可以通过调整delta_time参数手调出一个time offset。

[DioBakery]

m2dgr相机和LiDAR的数据未同步，从你第一张图的残影就可以看出来。由于相机和LiDAR的时间戳不是他们真实采样时刻的时间戳，不同时空系的数据加入一定会产生负优化。可以通过调整delta_time参数手调出一个time offset。

了解了，但是如果camera是15hz而lidar是10hz，所以先尝试S3E数据集，这时出现了另一个问题：
p_imu->Process2(LidarMeasures, state, feats_undistort);这一步始终feats_undistort的size为0，使得一直无法建立ikdforest树，因而无法进行LIO进程，请问这是怎么回事呢？

#ifdef USE_IKFOM
        p_imu->Process(LidarMeasures, kf, feats_undistort);
        state_point = kf.get_x();
        pos_lid = state_point.pos + state_point.rot * state_point.offset_T_L_I;
        #else
        p_imu->Process2(LidarMeasures, state, feats_undistort);
        state_propagat = state;
        #endif

        if (lidar_selector->debug)
        {
            LidarMeasures.debug_show();
        }
        std::cout << "LidarMeasures.lidar->points.size(): " << LidarMeasures.lidar->points.size() << std::endl;
        std::cout << "feats_undistort->points.size(): " << feats_undistort->points.size() << std::endl;

output:

LidarMeasures.lidar->points.size(): 26583
feats_undistort->points.size(): 0

并且若feats_undistort的size有输出后，经过下采样输出的size会是1：
code：

/*** Segment the map in lidar FOV ***/
        #ifndef USE_ikdforest            
            lasermap_fov_segment();
        #endif
        /*** downsample the feature points in a scan ***/
        downSizeFilterSurf.setInputCloud(feats_undistort);
        std::cout << "-----feats_undistort->points.size(): " << feats_undistort->points.size() << endl;
        downSizeFilterSurf.filter(*feats_down_body);
        std::cout << "-----feats_down_body->points.size(): " << feats_down_body->points.size() << endl;

output:

[ INFO ]: get standard point cloud at time: 1660985901.423132 and size: 24880, before: 633600
LidarMeasures.lidar->points.size(): 25127
feats_undistort->points.size(): 25127
-----feats_undistort->points.size(): 25127
-----feats_down_body->points.size(): 1