cartographer资源占用分析

该博客探讨了前端激光畸变矫正、多传感器融合和激光匹配的计算优化问题,指出在30Hz频率下可能无需畸变矫正,单雷达无需多传感器融合。后端的分支界定匹配算法和ceres优化方程也是优化重点,建议减少不合理的约束关系并考虑因子图优化。优化后预期可在i5低压工控机上实现低资源占用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

http://www.babyitellyou.com/details?id=6039a2ac4da5fa309d9d5e9b

简易介绍:通过阅读代码,前端做了很多畸变矫正和多激光传感器数据融合的工作,还有使用CSM或者ceres激光匹配的工作,后端通过分支界定匹配算法进行类似CSM的激光匹配(所以当约束增加时会增加计算量),后端另一个是使用ceres解优化方程(这一部分我感觉资源消耗并不高)。所以我认为优化的方向首先是计算合理的约束关系,再来解决前端计算量(激光频率30Hz时我觉的没有必要做畸变矫正,同时单雷达没有必要使用多传感器融合的方式),最后再来优化ceres解优化方程(感觉几乎不需要优化,可感觉不一定对)。
总结:

分类 内容 占用比率 优化方向
前端 激光畸变矫正、多激光数据融合、CSM或ceres激光匹配 40% 激光不需要去畸变、单激光不需要使用融合方式,有IMU时不使用CSM方式做前端匹配
后端 分支界定类似CSM激光匹配 45% 减少不合理的约束关系,因为每个约束关系需要使用分支界定的激光匹配,这个是占比较大的计算资源
后端 ceres优化位姿图方程 5% 还不知道咋优化,使用因子图?
一般优化后,建图100*100地图,使用i5的低压工控机实际占用比率在2~5%,大地图应该也是一样(因为前端资源一样,后端只要不重复出现同一区域多次也不会上升资源,当然cartographer的作者对于重复出现的场景使用Trimmer删除相似子图来解决这个问题)。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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