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 4297
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...
Karto_SLAM研究
daydayup_x的博客
03-20 2052
今天开始试试karto进行建图。karto是一个项目，后端是SPA（Sparse Pose Adjustment）,前端是Scan Matcher。 相关链接： https://github.com/ros-perception/open_karto https://github.com/ros-perception/slam_karto https://github.com/ros-perception/sparse_bundle_adjustment 参考文献： Konolige, Kurt
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 5079
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
03-07 551
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 5042
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 3164
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，...
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 5606
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 1090
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 8512
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 2815
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 1620
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
05-01 661
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
08-20 950
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 2415
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 7257
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
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...
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