激光SLAM算法学习（三）——3D激光SLAM

3D激光SLAM

1、3D激光SLAM的介绍
3D激光SLAM的输入:
IMU数据
3D激光雷达数据
里程计数据

3D激光SLAM的输出:
3D点云地图
机器人的轨迹 or PoseGraph

2、3D激光SLAM的发展
3D激光SLAM的帧间匹配方法——点云配准算法
Point-to-Plane ICP
Feature-based Method

3D激光SLAM的回环检测方法
Scan-to-Scan
Scan-to-Map
Branch and Bound & Lazy Decision

目前主流激光SLAM算法：
1、LOAM-纯激光，匀速运动假设，无回环。
2、V-LOAM-视觉激光融合、漂移匀速假设，无回环。
3、VELO-视觉激光融合，无运动畸变假设，有回环

3、3D激光SLAM的应用
数据的预处理：
轮式里程计的标定
不同系统之间的时间同步
激光雷达运动畸变去除

与视觉的融合：
3D激光雷达为视觉特征提供深度信息
视觉辅助激光雷达进行运动畸变去除
视觉辅助回环检测
视觉提供精确里程信息

激光SLAM中的问题：
1、退化环境(Degeneration Environment)
2、地图的动态更新(Map Update)
3、全局定位(Global Localization)
4、动态环境定位(Dynamic Localization)