SLAM相关知识

传感器数据

1.传感器的数据(Imu,摄像头,雷达)数据均可以在ros2的rviz中订阅话题然后显示

IMU-惯性测量单元：加速度计+陀螺仪+磁力计

#include <filter.hpp>  // 专用滤波库

2.滤波算法包括

平均滤波  低通滤波  中值滤波  卡尔曼滤波  互补滤波

SLAM算法

今天我们来谈一谈，为什么我们需要AMCL算法，它有何精妙之处？

1.AMCL定位算法是如何应运而生的？

局部路径规划 算法的一个输入就是start当前位置，所以必须不断的执行  “定位任务”

而传统的负责定位的 “里程计测距模块”本身不够健壮因为打滑/滑移导致估计位置和真实位置错位

所以必须需要某种算法利用雷达或者摄像头的扫描数据来计算校准start的位置

总结：局部规划需要start，而仅仅基于里程计的定位有漂移，导致局部器指令的“理论与现实”脱轨

2.AMCL算法是如何承担这个定位校准的任务的？

首先是随机撒点，给出周围各种(x,y,θ)的样本

计算出每个样本位置理论的扫描数据M1,M2,M3.....

接收下位机当前位置扫描的真实数据M'

比对谁的数据最接近M'，谁就是真实的定位

为什么只帮里程计校准不负责，因为计算量注定无法高频校准