Cartographer 中的简易全局重定位方法

原创 已于 2023-09-14 17:58:10 修改 · 1.3k 阅读 · 2 ·
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：

#c++ #机器人 #算法

于 2023-08-02 01:41:31 首次发布
文章讨论了Cartographer库中PerformGlobalLocalization函数的消失，该函数在0.3.0版本后被删除，取而代之的是pure_localization模式。作者提到在GitHubIssue#95中有关于这一变化的讨论。

这两天上网冲浪的时候看到有人说 Cartographer 里有一个 PerformGlobalLocalization 函数用于全局重定位，可以看 cartographer github 仓库的 Issue #95  Localization in Existing Map。

不过我在源码里搜了一下并没有发现这个函数，然后又把旧版本的源码也搜了一下，发现在0.3.0版本之后被删除了，同时新版本中也提供了 pure_localization 模式，函数被删除应该和这个有点关系。

全文：

Cartographer 中的简易全局重定位方法 - 哔哩哔哩

Ros cartographer pure localization 自定位+重定位+导航
weixin_44025389的博客
10-19 4765
在完成了前面的方针之后，随着不断挖掘开始跑 cartographer + move_base 的构架，由于amcl定位的实时性和重定位的能力远不及 cartographer pure localization 自定位的构建方式，所以本文开始放弃 gampping + amcl + move_base 开启本文的 cartographer + move_base框架主要思路为：仿真 + 实战的探索过程本文主要分两部分： A.仿真调通 + B.自定位实战 + C.自定位导航实战。
cartographer大场景无初始位置快速重定位_2w平工厂测试秒级重定位
qq_33346065的博客
02-05 943
大场景重定位是使用cartograper定位时常见的应用情况，一般的会采用二维码或人工提供初始位置的方式进行局部重定位，这种方法对部署和运行有一定局限性，本文提供一种改进的方法，使用全局重定位在全图搜索，无需初始位置，并且进行效率提升在2万平场地可以实现秒级定位。在2万平、100多个子图情况下这个效率比原始算法要快很多，基本满足实际项目的应用（在重定位阶段机器人自旋，成功后进行任务）。
激光SLAM算法改进：增强重定位的Cartographer算法实验验证及源码提供 - Cartographer算法 精选版
05-28
内容概要：本文介绍了激光SLAM（同步激光扫描定位与映射）算法的一项重要改进——增强重定位的Cartographer算法。针对传统Cartographer算法在大型环境中重定位耗时长的问题，提出了优化算法流程、改进匹配策略以及引入多传感器融合的方法。经过在五千平方米车库中的实验证明，新算法将重定位时间从数分钟缩短到3.35秒，极大提升了机器人工作的效率和用户体验。文中不仅详细阐述了技术细节，还提供了改进后的算法源码供开发者研究和使用。 适合人群：从事机器人技术研发的专业人士、对SLAM算法感兴趣的科研人员和技术爱好者。 使用场景及目标：适用于需要提升机器人在复杂环境下快速准确定位能力的应用场景，如自动驾驶车辆、仓储物流机器人等。目标是帮助技术人员理解和掌握最新的SLAM算法优化方法，推动相关领域的技术创新和发展。 其他说明：文章强调了开源精神的重要性，鼓励更多人参与到技术交流和共享中来，共同推进机器人技术的进步。
激光SLAM算法优化：增强重定位Cartographer源码分享，实验验证时间缩短至3.35秒 - 重定位优化
最新发布
08-14
内容概要：本文介绍了激光SLAM（同步激光扫描定位与映射）算法的一项重要改进——增强重定位的Cartographer算法。针对传统Cartographer算法在大型空间中重定位耗时长的问题，提出了优化算法流程、改进匹配策略以及引入多传感器融合的方法。经过在五千平方米车库中的实验证明，改进后的算法将重定位时间从数分钟缩短到3.35秒，极大提升了机器人工作的效率和用户体验。文中不仅详细阐述了技术细节，还提供了改进后的算法源码供爱好者下载学习。 适合人群：从事机器人技术研发的专业人士、对SLAM算法感兴趣的科研人员和技术爱好者。 使用场景及目标：适用于需要提升机器人在复杂环境中快速准确定位能力的应用场景，如自动驾驶汽车、仓储物流机器人等。目标是帮助开发者理解和掌握最新的激光SLAM算法优化方法，从而应用于实际项目中。 阅读建议：对于希望深入了解激光SLAM算法优化机制的读者来说，本文提供了详尽的技术解析和实验数据支持，建议结合提供的源码进行实践操作，以便更好地理解算法的工作原理。
Cartographer学习记录：cartographer源码3D SLAM部分（一）
smartfoolish的博客
02-28 1606
Cartographer 3D源码阅读之上层cartographer_ros介绍
【基于Cartographer的纯定位系统：AMCL的现代替代方案】
weixin_47429781的博客
06-13 2888
Cartographer纯定位模式相比AMCL在定位精度、动态环境适应性等方面具有显著优势。实施时需准备pbstream地图文件，修改配置文件设置pure_localization=true并指定地图路径，调整launch文件替换AMCL节点。核心逻辑包括初始化时加载地图、子图修剪策略和基于Ceres的扫描匹配优化。该方案通过子图匹配机制提高了长期定位稳定性，适用于高精度定位需求的场景。代码实现主要集中在MapBuilder初始化和PoseGraph子图管理模块，需注意保留子图数量等关键参数配置。
cartographer全局重定位的实现
zhangkkit的博客
01-14 1570
本博客主要介绍cartographer全局重定位的实现，目前已经测试能够实现在6米180度范围内的全局重定位。
【Cartographer魔改】cartographer定位模式下设置起始位姿——快速重定位
weixin_44923488的博客
03-28 1万+
【Cartographer魔改】cartographer定位模式下设置起始位姿——快速重定位 在使用cartographer的纯定位工作模式下，默认机器人的起点位姿位map坐标系原点位姿。 如果当机器人启动定位launch时不在初始位置附近，cartograpeher默认从map坐标系原点位姿附近开始搜索，当地图较大时重定位会花费较多时间，甚至失败。 因此，本文通过修改cartograpeher源码的方式，修改定位模式的初始位姿，从而达到快速重定位的目的。 主要借鉴了博文： https://blog.csd
精选资源
cartographer-landmark 二维码修正重定位
05-16
在cartographer中经常使用的是scan_to_map的方式，通过cartographer自己维护的PoseExtrapolator使用匹配的方式来获得当前帧与地图的匹配值，但是这样的方式在环境经常变的场景下效果会比较差， 而使用landmark可以...
激光SLAM领域中增强重定位的Cartographer算法改进及其应用
04-03
内容概要：本文详细介绍了针对激光SLAM中Cartographer算法的改进措施，特别是在重定位方面的优化。作者通过对搜索策略和特征匹配算法的改进，显著提升了重定位的速度和准确性。具体来说，通过优化搜索空间划分、改进...
cartographer 3D mapping
07-20
Continuous-Time SLAM—Improving Google’s Cartographer 3D Mapping
cartographer_ros定位功能位姿获取与重定位设置
热门推荐
fengdehuhuan122的专栏
03-21 1万+
本人小白，项目中使用cartographer进行机器人的定位。cartographer_ros中没有发布机器人在地图坐标系中的位姿topic，只发布各frame间的tf变换。若通过tf变换获取位姿坐标，测试发现不管激光频率多高（20~100hz），获取的位姿频率只有5h左右。因此对源码进行简单修改，获取高频率的位姿topic并在rviz中根据机器人当前位置进行重定位。 准备工作 源码安装 首先对...
使用cartographer纯定位替换amcl定位
XJ_75的博客
08-18 7914
经过实际使用，发现cartographer定位对于重定位的表现比amcl好。如果机器人的起始位置离原点较远，amcl很难自行重定位到正确的位置，只能手动修改初始位置。然而cartographer定位的表现则很好，在行驶一段距离或原地旋转一段时间后能够正确重定位。
Amcl Cartographer 双定位
1818610
02-03 3585
1、使用记录 １）执行双定位，执行过程中未报错。注意各个launch文件执行顺序。 ２）ＡＭＣＬ运行过程中，ＳＣＡＮ与地图匹配没carto好，感觉慢半拍，不 影响使用。 ３）Amcl 定位精度稍差，但无首次定位漂移的问题，carto有这问题。 ４）carto 在ｉｍｕ加laser , 定位还行，进行搬移后，还是能准确定位。 ５）ｃａｒｔｏ启动首次定位容易飘，无法到达指定位置。 ６）ｃｐｕ占用率在增...
【亲测免费】 提升激光SLAM重定位效率：增强版Cartographer算法
gitblog_09819的博客
10-31 763
提升激光SLAM重定位效率：增强版Cartographer算法 【下载地址】增强重定位的Cartographer算法改进 本仓库提供了一种针对激光SLAM算法的改进方案，重点在于增强Cartographer算法中的重定位功能。通过在五千平方米的车库环境中进行实验验证，我们成功将重定位耗时降低至3.35秒。本资源文件包含了...
全局变量重定位
Matrix_Designer的专栏
09-25 925
对于寄生程序，全局变量重定位不可避免。下面代码实现了全局变量的重定位。 <br /><br /> inline DWORD GetOffset()<br /> {<br /> DWORD dwGlobalOffset=0;<br /> __asm<br /> {<br /> call OffsetLabel<br /> OffsetLabel:<br /> pop dwGlobalOffset<br /> sub dwGlobalOffset,offset Of
给 Cartographer 添加全局重定位功能
github_37710643的博客
08-17 992
新版本的 Cartographer 是没有初始全局重定位的功能的，不过旧版本中有提供一个简单的实现参考，可以看我先前的文章《Cartographer 中的简易全局重定位方法》，但是旧版源码中并没有实际使用这个函数。其实这个函数是不够用的，地图大点都要匹配很久。下面将会介绍如何在新版 carto 中添加上全局重定位功能，并提供接口供 cartographer_ros 调用。同时也会介绍如何用 carto 自带的线程池加速重定位的计算。
Cartographer工程化
Leo_Xj的博客
06-13 2228
机器人中cartographer的工程化应用
linux内核全局变量重定位,Bootloader全局变量重定位和KernelRelocate函数
weixin_39900736的博客
04-30 282
1 为什么要对全局变量重定位首先研究为什么要对Bootloader的全局变量执行重新定位的问题。在Bootloader的源代码中不可避免的要定义一些全局变量，这些全局变量被放置在编译得到的可执行二进制文件的数据段存储区。Bootloader镜像文件或在ROM中以XIP方式运行或被复制到一块在.bib工程文件中定义为RAMIMAGE的区域内，尽管这块区域位于系统RAM存储器中，但却是被当作ROM来使...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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