本文介绍了激光SLAM的基本概念，包括输入、输出和帧间匹配方法，如PI-ICP、CSM和梯度优化。讨论了回环检测的不同策略，并概述了激光SLAM的发展历程，从基于滤波的EKF-SLAM到图优化的Cartographer。重点强调了数据预处理的重要性，如里程计标定和激光雷达运动畸变校正。同时，提出了实际应用中面临的挑战，如动态物体和环境变化。最后，文章展望了激光SLAM与视觉融合的未来趋势。
激光SLAM介绍
输入
- IMU ： 角度信息
- 里程计 ： 距离信息
- 2D激光雷达
输出
- 栅格地图
- 机器人轨迹
帧间匹配方法
- PI-ICP ：较常用的匹配算法，ICP基本不算使用
- CSM ： cartographer使用
- 梯度优化方法： hector-slam使用的就是这个
使用效果比较好的是CSM（粗匹配）+梯度优化（细匹配），cartographer使用的就是组合
回环检测方法
- scan-to-map : cartographer
- map-to-map
- branch and bound(分支定界法) & lazy decision
激光SLAM发展
一 基于滤波
- EKF-SLAM — 90年代： 构建的是特征地图，能用来定位，但是无法进行导航，导航要用的栅格地图grand-based，所以基本已不在使用
- FastSLAM—02-03 ： 能输出一个比较大栅格地图了
- Gmapping—07 ： 目前使用最多的算法，比较经典 相当于grand版fastslam，加入了scan-match来优化proposal分布 非常依赖里程计
- Optimal RBPF—10 ：
最低0.47元/天 解锁文章
扫一扫
3709
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
