SLAM_Karto 学习（四） 深入理解 ScanMatch 过程

最新推荐文章于 2024-03-07 15:16:31 发布
原创 最新推荐文章于 2024-03-07 15:16:31 发布 · 5.2k 阅读 · 28 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Karto

SLAM_Karto 学习（四） 深入理解 ScanMatch 过程

ScanMatch 调用过程

process函数UML

  process 函数是整个图优化的入口函数，包括激光的处理，图的构建及优化，其工作流程如下：

Created with Raphaël 2.1.2 输入激光数据 激光 Validate？ 地图初始化 ？ 获得lastScan ? 利用LastScan和ODOM里程计初始化scan位姿 HaveMovedEnough? 第一束激光? 将scan 加入 scanBuffer， 分配id UseScanMatching 参数为true？ 将scan加入GraphAddVertex, AddEdges, AddRunningScan DoLoopClosing 参数为true？ TryCloseLoop 回环检测优化 将 scan 设置为 lastScan 结束 MatchScan利用RunningScan纠正位姿 结束 yes no yes no yes no yes no yes no yes
最低0.47元/天 解锁文章

200万优质内容无限畅学
SLAM_Karto 参数解析
Fourier_Legend的博客
08-09 4296
SLAM_Karto 主要参数解析 SLAM_Karto 主要参数解析 参数英文解释 常规调节时的主要参数 参数 解释 默认值 “UseScanMatching” 是否使用 ScanMatching 算法， 设置为true则会算法上纠正里程计的误差 true “UseScanBarycenter” 使用每个 scan 的质心...
细节增强的matlab代码-SLAM-Using-Scan-Matching:使用扫描匹配进行机器人本地化
05-27
细节增强的matlab代码SLAM使用扫描匹配 描述 该项目由Sina Shahsavari与Pulak Sarangi和Hadi Givechian一起开发。 在这个项目中，我们考虑了一个场景，其中移动代理位于未知环境中。 我们的目标是可靠，准确地估计其位置并跟踪其所经过的轨迹。 为了实现这个目标，我们已经实现了PL-ICP算法来估计代理的相对旋转和平移，然后确定其轨迹。 为了提高算法的性能，我们采用了几种方法，例如异常值检测模块和不同的初始化机制。 抽象的 多年来，在未知环境中本地化代理一直受到行业和学术界的广泛关注。 在自动驾驶汽车和机器人中已经内置了各种传感器以实现本地化。 激光雷达传感器尤其提供密集且准确的点云。 已经提出了多种算法来利用这些Lidar扫描来定位代理。 迭代最近点（ICP）系列可以估计两次不同扫描之间代理的姿势变化，这可以进一步用于在给定起点的情况下定位代理。 在这项工作中，我们实现PL-ICP算法来定位代理。 此外，我们发现PL-ICP有时无法正确估计现实世界数据上的姿态变化，这可能会破坏估计的轨迹。 为了缓解这个问题，我们提出了一种简单而有效的离群值剔除机
SLAM Scan-Matching/Registration
MyArrow的专栏
06-07 5071
1. 概念 仅仅基于里程计传感器（Odometry Sensors provided by wheel encoders）或IMU传感器创建的地图是不准确的，因为里程计传感器存在累计误差，所以LDS(Laser Distance Sensor)使用Scan-Matching/Registration算法使新扫描的激光数据与已有地图或激光扫描数据重新对齐，从而获得更加准确的机器人位姿(Pose)...
cartographer代码学习笔记-ScanMatch
weixin_28683491的博客
03-07 548
在AddAccumulatedRangeData函数中通过调用ScanMatch获取位置。
cartographer探秘第四章之代码解析（三） --- scan match
李想的博客
07-26 5039
本次阅读的源码为 release-1.0 版本的代码 https://github.com/googlecartographer/cartographer_ros/tree/release-1.0 https://github.com/googlecartographer/cartographer/tree/release-1.0 也可以下载我上传的 全套工作空间的代码，包括 protobu...
karto探秘之open_karto 第三章 --- 扫描匹配
李想的博客
04-02 3156
kt_bool Mapper::Process(LocalizedRangeScan* pScan) kt_bool Mapper::Process(LocalizedRangeScan* pScan) { if (pScan != NULL) { karto::LaserRangeFinder* pLaserRangeFinder = pSca...
open_karto:Detailed Chinese explanation 详细的中文解释open_karto, 更好理解karto_slam
05-11
加入了非常详细的中文代码解释 相关博客： Open Karto Catkinized ROS Package of the OpenKarto Library (LGPL3) Status Devel Job Status: AMD64 Debian Job Status:
深入解析open_karto:中文详解提升karto_slam理解
标题强调了该知识点的中文解释，意味着接下来的描述将提供关于open_karto库的详细中文说明，以帮助理解karto_slam的实现方式。 描述中提到的“加入了非常详细的中文代码解释”表明本文件或者文章附带了一段代码，...
slam_gmaping程序.zip_gmaping实现_slam_slam_gmaping实现_slam_gmaping程序_
09-15
SLAM（Simultaneous Localization and Mapping，同时定位与建图）是机器人领域中的关键技术，它允许机器人在未知环境中自主...通过阅读"slam_gmaping程序.pdf"，你可以更深入地学习这一技术，并将其应用到实际项目中。
karto算法论文阅读及代码讲解-扫描匹配（correlative scan matching,csm）
zhangkkit的博客
03-21 5595
扫描匹配算法csm，correlative scan matching1.论文阅读   本博客前部分论文阅读，是对论文的高度概括。 1.论文阅读 图2 概率扫描匹配的图形模型   根据图2，已知x𝑖-1 和z𝑖-1 ，也测量到了u 和 z𝑖 ，如何尽可能准确的求出x𝑖 ？   数学模型： p(xi|xi-1,u,zi-1,zi)   应用高斯分布：p(xi|xi-1,u,zi-1,zi) 近似等于p(z|xi,m) p(xi|xi-1,u) 。其中p(xi|xi-1,u) 是我们熟悉的运动
scan-match算法之NDT
liaolizhou的博客
05-06 1087
NDT-Scan Alignment-Algorithm 作者QQ：845421543。NDT是scan-match中经典的方法之一。NDT算法相对于ICP算法速度更快，稳健性更强。 原文地址：The Normal Distributions Transform: A New Approach to Laser Scan Matching 输入：两帧点云数据 S1,S2S_1,S_2S1​,S2​ 输出：位姿变换参数 R,tR,tR,t 对 S1S_1S1​ 计算正太分布变换(NDT)； 初始化需要估
slam-gmapping之scanMatch算法原理
m0_37350344的博客
07-22 8506
Scan Matching 问题描述：给定Scan和map，或者给定scan和scan或者给定map和map,找到最匹配的变换（translation+rotation） 作用：提高提议分布 方法： p(z|x,m)= beam sonsor model sensor full readings <-> map p(z|x,m)= likelihood field mo...
(02)Cartographer源码无死角解析-(48) 2D点云扫描匹配→扫描匹配基本原理讲解，代码总体框架梳理AddAccumulatedRangeData()
江南才尽江南山，年少无知年少狂！
01-10 2809
通过前面你的一系列博客，已经知道 Cartographer 中的概率栅格图是如何建立的了。不过需要注意的一点是该地图并不仅仅是保存下来给来看的，其还会被点云扫描匹配使用到，点云扫描匹配目的是估算位姿(该部分内容后面会详细讲解)。在 slam 中分为 Scan match 与 Point cloud match，通常情况下前者指的就是2D扫描匹配，后者指的是3D点云匹配。为了方便后续代码的理解，这里简单介绍一下扫描匹配的原理，先来看下图(理想位姿)：图一：理想位姿1 、方格 → 所有的栅格组成。
相关性扫描匹配CSM与分支限界
weixin_43891708的博客
12-13 1609
一家之言，仅作分享，如有不合理或需要改进的地方，欢迎各位讨论。 前言 作者在先前激光SLAM项目中借鉴的是karto中的匹配方法相关性扫描匹配，在google的cartographer中的前端匹配方法也是相关性扫描匹配，但是利用了分支界定进行了加速。这篇博客将对CSM与分支界定进行介绍分享。 ...
ros kinetic 下编译laser_scan_matcher 方法
朗云星空
04-08 3310
目前，laser_scan_matcher 在kinetic下还没有可以apt-get 的包，要使用，必须要从源码编译，下面是我的编译方法： 1、sudo apt-get install libgsl0-dev 2、first install the package csm itself in directory /catkin_ws/src: git clone http
SLAM笔记-ICP匹配
weixin_44555003的博客
05-01 660
内容学习：从零开始搭二维激光SLAM --- 基于ICP的帧间匹配 第一步 写头文件 #ifndef LESSON2_SCAN_MATCH_ICP #define LESSON2_SCAN_MATCH_ICP // ros #include <ros/ros.h> #include <sensor_msgs/LaserScan.h> // pcl_ros #include <pcl_ros/point_cloud.h> // pcl #include &lt
gmapping 激光匹配原理
dwell548560的博客
08-20 948
对应gmapping中的scanmach的匹配是如何匹配的详细讲解 匹配用得分来衡量，得分计算： 首先，他是将这一帧激光点作用于某一粒子，粒子就是一个机器人。 首先是把该粒子上的激光雷达坐标转换到世界物理系上，然后对这帧激光的每一束遍历。 首先计算，激光束打到的点在世界系下的真实坐标phit，也转换为地图索引坐标iphit。 然后计算这个打到的点前面一定距离的点认为肯定是空闲点，这个距离参数是freeDelta，得到这个空闲点的世界坐标。计算下这两个坐标的1范数。 下面开始匹配了 由于地图索引
Karto SLAM之open_karto代码学习笔记（二）
wphkadn的博客
05-15 2411
前言 Karto SLAM之open_karto代码学习笔记（一）中介绍了karto slam中的各种类的作用，本篇博客主要介绍karto 算法中最重要的函数 kt_bool Mapper::Process(LocalizedRangeScan* pScan) 1.代码解析 process函数是karto算法的核心函数，该函数位于open_karto/src/Mapper.cpp中。 该函数的作用...
工作小笔记——使用Cartographer建图和调优
m0_71775106的博客
11-06 7235
本文讲述使用cartographer进行数据回放和参数调优的过程，属于官方文档的阅读笔记，加入了部分自己的理解。
slam_karto
最新发布
03-26
### SLAM中的Karto库和技术 Karto 是一种广泛应用于机器人领域用于实现同步定位与建图 (Simultaneous Localization and Mapping, SLAM) 的技术。它主要通过激光扫描数据来构建环境地图并实时更新机器人的位置估计。 #### Karto的核心功能 Karto 提供了一种高效的算法框架，能够处理大规模的二维和三维空间映射任务[^1]。其核心优势在于快速收敛的地图构建能力和鲁棒的位置跟踪能力。这种特性使得 Karto 成为了许多移动机器人平台的标准配置之一。 #### 应用场景 在实际应用中,Karto 被集成到多个知名开源项目当中,比如 ROS( Robot Operating System )下的 GMapping 工具包就是基于该技术支持开发而成。对于像 TurtleBot3 这样的教育型和服务类小型地面车辆来说,GMapping 结合 Hector_SLAM 或 Cartographer 可以为用户提供简单易用却性能强大的解决方案. 以下是利用 Python 编写的一个简单的订阅 LaserScan 数据并通过 gmapping 实现基本 slam 功能的例子: ```python import rospy from sensor_msgs.msg import LaserScan from nav_msgs.msg import Odometry def laser_callback(data): # Process the incoming scan data here. pass if __name__ == '__main__': rospy.init_node('slam_karto_example', anonymous=True) sub_laser = rospy.Subscriber('/scan', LaserScan, laser_callback) rate = rospy.Rate(10) # 10 Hz while not rospy.is_shutdown(): rate.sleep() ``` 此脚本仅作为演示用途展示如何设置回调函数接收来自传感器的消息流;真正的 SLAM 处理逻辑通常由专门节点完成,例如 `gmapping` 或其他高级插件提供者负责执行复杂运算操作.
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值