雷达ＳＬＡＭ思路

最新推荐文章于 2024-10-24 23:03:05 发布
原创 最新推荐文章于 2024-10-24 23:03:05 发布 · 1.3k 阅读 · 4 ·
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。

本文介绍了雷达SLAM的三种主要思路：1) 基于landmark的EKF方法，利用激光雷达点云特征进行定位；2) 基于landmark的非线性优化，解决非凸问题；3) 利用概率论的粒子滤波进行实时估计。

基于都有贝叶斯概率

p(x|z,u)=p(

１．基于ｌａｎｄｍａｒｋ的ＥＫＦ

https://zhuanlan.zhihu.com/p/23160834这篇文章有提及，主要就是通过激光雷达的点云提取线等作为特征ＬＡＮＤＭＡＮＲＫ。

 

２．基于ｌａｎｄｍａｒｋ的非线性优化

(来自https://www.bilibili.com/video/av37920463?from=search&seid=7731739564910094270）

 SLAM是一个非凸问题，不是一个开口向上，类似二阶的。

 

 

３．基于概率论的粒子滤波

Slam激光雷达
linjingtu的博客
01-09 930
应用领域：由于单线激光雷达的扫描能力限制，它主要应用于机器人领域，特别是服务机器人，如扫地机器人、送餐机器人等，用于帮助机器人规避障碍物。而多线激光雷达则更多被应用于无人驾驶或无人机领域，其可以通过扫描获取汽车周围环境的模型，实现3D建模、环境感知、同步建图等功能，以满足车辆高精度定位、障碍物识别、自主导航等需求。总的来说，单线激光雷达和多线激光雷达各有其优势和应用领域。相比之下，多线激光雷达虽然具有多维扫描、分辨率高等优点，但其结构复杂、成本高，更适合于室外或更大空间的环境感知和导航，如无人驾驶汽车等。
激光雷达SLAM学习笔记
qq_59860384的博客
05-05 1539
学习多传感器融合，这篇文章以初学者的视角简介了SLAM和激光雷达，并着重学习LOAM论文。
一起自学SLAM算法：4.2 激光雷达
机器人研究猿-优快云
01-19 3961
连载文章，长期更新，欢迎关注：每当说起雷达，很多人可能想到的就是军事领域探测敌机那种庞然大物。其实，雷达是指利用探测介质探测物体距离的设备，比如无线电测距雷达、激光测距雷达、超声波测距雷达等，如图4-35所示。由于激光具有很好的抗干扰性和直线传播特性，因此激光测距具有很高的精度。基于激光测距原理的激光雷达，测距精度往往可以达到厘米级或毫米级，广泛应用于机器人导航避障、无人驾驶汽车、环境结构建模、安防、智能交互等领域。
ROS Kinetic通过hokuyo_node驱动从USB读取URG-04LX-UG01雷达数据
Buer_zhu的博客
07-06 3973
Hokuyo的ROS驱动有urg_node和hokuyo_node两种，但其中的 hokuyo_node驱动包并没有提供kinetic版本的deb包，因此无法通过apt-get install的方式直接安装，本文通过从源代码编译的方式在Kinetic安装hokuyo_node驱动包。第一步：打开一个新终端，配置ROS环境变量；source ~/catkin_ws/devel/setup.bash第...
使用2D激光雷达的SLAM（Matlab代码实现）
weixin_46039719的博客
06-08 582
问题可以描述为：将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图，同时一边决定机器人应该往哪个方向行进。e.当无意中走了很长一段路的时候，和脑海中的以往地标进行匹配，看一看是否走回了原路（loop-closure detection）。c.当自己在行走时，不断获取新的特征地标，并且校正自己头脑中的地图模型（bundle adjustment or EKF）b.在自己的脑海中，根据双目获得的信息，把特征地标在三维地图中重建出来（三维重建）行百里者，半于九十。
【激光雷达LIDAR】2D激光雷达SLAM中的实时闭环检测附Matlab代码.rar
最新发布
07-12
在2D激光雷达SLAM中，实现实时闭环检测是一项关键任务。闭环检测是指在机器人或车辆长时间运行后，能够识别出其已经回到了先前访问过的位置，这样的能力对于地图构建的准确性和可靠性至关重要。闭环检测错误会导致...
基于激光雷达SLAM的失效航天器近距离捕获技术研究1
08-04
通过对失效航天器的近距离自主捕获系统的总体设计思路、关键技术分析、环境建模方法、点云匹配算法、路径规划策略等方面的研究，提供了一种基于激光雷达SLAM的失效航天器近距离捕获技术解决方案。 首先，本论文对...
精选资源
卡尔曼滤波器激光雷达SLAM算法设计-分析了基于运动学车辆模型的自动驾驶MPC横向控制算法　附matlab代码
06-03
深入研究了结合卡尔曼滤波器的激光雷达SLAM（同时定位与地图构建）算法，并针对自动驾驶车辆的横向控制，提出了基于运动学车辆模型的MPC（模型预测控制）算法。文章不仅详细分析了算法的理论基础，还通过仿真实验...
经典激光雷达SLAM系统：LeGO-LOAM
CV_Autobot的博客
10-01 3473
作者|密斯特李 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/511968459点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【IROS2022】获取IROS2022所有自动驾驶方向论文！0、引子上期文章介绍了F-LOAM，它重点针对LOAM计算效率问题进行了优化，旨在不影响精度的情况下尽量缩减...
RadarSLAM：可用于全天候的大规模场景的毫米波雷达SLAM
点云PCL
10-13 5352
文章：RadarSLAM: Radar based Large-Scale SLAM in All Weathers作者：Ziyang Hong, Yvan Petillot and Sen Wang编辑：点云PCL欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈。文章仅做学术分享，如有侵权联系删文。未经博主同意请勿擅自转载。公众号致力于分享点云处理，SLAM，三维视觉，高精地图相关的文章...
3D激光雷达SLAM算法学习01——3D激光SLAM整体框架
weixin_44168457的博客
10-20 1669
结合个人毕业设计和日后发展方向，开始学习3D激光雷达的相关感知算法，预计SLAM（定位和建图）开始，本篇给出简单的框架和绪论。
初识激光雷达 SLAM
Yifancoder的博客
05-13 4660
激光点云定位一般预先制作定位地图，不管是 3D 还是 2D 地图。然后用车上的实时点云和地图进行匹配，来计算激光雷达的位置和姿态，再通过激光雷达与 IMU 之间的外参，得到 IMU 的位置和姿态。匹配有很多种方法，可以是基于 3D 点云匹配的 ICP 方法，也可以是我们这里给出的基于 2D 概率地图的直方图滤波器匹配定位。 激光定位的优点是在没有 GPS 情况下可以工作，鲁棒性比较好；缺点就是需要预先制作地图，同时要定期更新地图（因为环境会发生变化），雨雪天气也会受到影响（因为 Lidar 被折射的比较多
激光雷达SLAM（一）------初始激光雷达SLAM
xiaobaiwsc的博客
11-26 1446
激光雷达SLAM
【激光雷达LIDAR】2D激光雷达SLAM中的实时闭环检测（Matlab代码实现）
weixin_67304359的博客
06-25 725
文献来源：摘要便携式激光测距仪，通常称为激光雷达（LIDAR），以及同时定位与地图构建（SLAM），是获取现场建筑平面图的高效方法。实时生成和可视化平面图帮助操作员评估捕获数据的质量和覆盖范围。构建便携式捕获平台需要在有限的计算资源下运行。我们介绍了我们背包式地图平台的方法，能够以5厘米分辨率实现实时地图构建和闭环检测。为了实现实时闭环检测，我们采用分支定界方法计算扫描与子地图匹配作为约束条件。我们提供了实验结果，并与其他知名方法进行了比较，结果显示我们的方法在质量上与已建立的技术相竞争。
SLAM：未来智能科技的核心——探索多传感器融合的无限可能
2301_76831056的博客
10-24 1312
随便写着玩的。
毫米波SLAM
bufengzj的博客
07-09 5242
0.mmv radar简介 1、毫米波雷达 毫米波雷达其实很早就被引入到汽车上。只不过，以前只有在豪华车上才可以看到毫米波雷达，现在10-20万的车上也可以看到毫米波雷达。毫米波雷达，主要根据电磁波反射所带来的频率变化 --->输出物体的 方位 和 速度。这个速度一般指的是径向速度。实际车辆上一般会安装1-2个长距离毫米波雷达和4-8个短距离毫米波雷达，长距离雷达的辐射角度小，短...
毫米波雷达SLAM：利用TI IWR1443+ROS+NVIDIA JTX+TurtleBot2实现（上）
热门推荐
gua_MASS的博客
03-20 1万+
利用毫米波雷达IWR1443实现室内建图，篇幅较长故分为上中下三篇。本片介绍如何安装毫米波雷达驱动，以及驱动是如何工作的。
激光雷达SLAM简介
auteman_dan的博客
06-05 5505
激光雷达SLAM简介激光雷达激光SLAM简介SLAM的定义与分类根据传感器分类根据优化方法分类（状态估计）激光雷达SLAM流程数据处理帧间匹配--核心部分回环检测后端优化激光雷达SLAM输入激光SLAM的输出激光SLAM的帧间匹配方法激光SLAM的发展Filter-basedGraph-based激光SLAM的趋势--与视觉融合视觉提供的信息融合解决的问题激光SLAM中的问题数学基础位姿表示和转换矩阵位姿表示主动旋转(向量旋转)被动旋转(坐标系旋转) 激光雷达 激光SLAM简介 Simultaneous l
无人机避障——4D 毫米波雷达 SLAM篇（一）
weixin_45390670的博客
09-25 3221
4D毫米波雷达无人机避障遇到4D雷达点云需要进行处理的问题，查阅文献，发现以下这篇文章中的建图方法应该为后续思考的方向，特此将这个开源项目进行复现和学习：
毫米波雷达slam资源
03-18
### 关于毫米波雷达SLAM的资料、教程、论文和代码实现 #### 一、在线课程与学习资源 可以参考 edX 平台上的《Digital Signal Processing》课程，该课程涵盖了信号处理的基础理论以及其在传感器数据中的应用[^1]。虽然课程本身并未专门讨论毫米波雷达 SLAM 的具体实现细节，但它提供了理解毫米波雷达工作原理所需的必要背景知识。 #### 二、毫米波雷达 SLAM 技术的独特价值 相较于传统的视觉 SLAM 和 LiDAR SLAM 方法，基于毫米波雷达的 SLAM 技术具有独特的优势。它能够在光照条件差、低纹理场景下正常运行，并规避了室内使用的隐私问题；同时，在长走廊或存在雾烟尘等退化环境中表现优于激光雷达系统[^2]。这些特性使其成为某些特定应用场景下的理想选择。 #### 三、最新研究进展概述 一篇综述文章《4D Millimeter-Wave Radar in Autonomous Driving: A Survey》全面总结了自动驾驶领域中4D毫米波雷达成像技术的发展现状及其面临的挑战[^4]。文中提到由于4D雷达点云相比传统3D激光扫描仪更加稀疏且噪声较大，所以简单移植现有算法并不适用新情况。为此作者提出了一套完整的解决方案框架——包括前端里程计估计模块、闭环检测机制以及全局优化后端处理器设计思路[^3]。 #### 四、开源项目推荐 目前公开可用的具体实现方案可能还比较有限，但可以从以下几个方向入手探索： - **GitHub**: 搜索关键词如 "mmWave SLAM", "radar slam" 可能会找到一些实验性质或者初步成果分享出来的仓库。 - **ROS Packages**: Robot Operating System(机器人操作系统)社区中有不少开发者贡献了自己的研究成果到官方包管理器里去供他人下载测试改进。尝试查找是否有支持毫米级射频探测设备集成接口的相关插件组件。 以下是伪代码展示如何初始化一个简单的SLAM流程： ```python class SlamSystem: def __init__(self): self.map = Map() # 地图对象存储环境结构信息 self.pose_graph = PoseGraph() # 姿态图用于解决累积误差 def process_frame(self, frame_data): current_pose = estimate_initial_position(frame_data) # 初步位置估算 updated_map = update_map_with_new_scan(current_pose, frame_data) # 更新地图 loop_closure_candidate = detect_loop_closures(updated_map) # 寻找闭合候选者 optimized_poses = optimize_pose_graph(loop_closure_candidate) # 图形优化调整轨迹一致性 slam_instance = SlamSystem() for data in sensor_stream(): slam_instance.process_frame(data) ``` 此段脚本仅为示意目的编写而成，并未考虑实际硬件驱动程序调用等问题。
评论
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