20、机器人定位与激光测距技术详解

机器人定位与激光测距技术详解

1. 位姿图优化与PTAM系统

在机器人定位和建图中，位姿图优化是一个重要的环节。由于图通常仅在局部区域扩展，因此可以仅对局部的位姿图子集进行优化，而较少对整个图进行优化。如果在优化后发现节点是等价的，则可以将它们合并。

并行跟踪与建图系统（PTAM）是一种基于视觉的同步定位与地图构建（SLAM）系统，它有两个并行的计算线程：
- 地图构建线程 ：执行前端和后端任务，根据估计的相机（车辆）位姿向位姿图中添加地标，并进行图优化。
- 定位线程 ：将观测到的地标与估计的地图进行匹配，以估计相机的位姿。

2. 顺序蒙特卡罗定位

传统的估计方法通常假设传感器（如里程计、地标距离和方位）的误差服从高斯概率密度函数。但在实际应用中，传感器的误差分布可能是单边分布（如泊松分布）或具有多个峰值的多模态分布。卡尔曼滤波器中使用的函数（如式6.2和式6.7）具有强烈的非线性，这意味着具有高斯分布的传感器噪声不会导致函数值的误差分布为高斯分布。

2.1 蒙特卡罗估计器原理

蒙特卡罗估计器不假设误差的分布，并且可以处理系统状态的多个假设。其基本思想是维护车辆配置或状态向量的多个不同值。当有新的测量值可用时，对每个特定状态值解释传感器观测结果的程度进行评分。保留最匹配的状态，并从预测分布中随机采样以形成新一代状态。这些众多可能的状态及其分数共同构成了我们试图估计的状态的概率密度函数的离散近似。由于不需要假设高斯分布，也不需要对系统进行线性化，虽然计算成本较高，但在当今的标准计算机上使用这种技术是完全可行的。如果将这