木独的博客

cartographer 代码分析相关注释代码链接为：cartographer代码注释代码主要分为两个部分，其一为cartographer的核心实现，另一个为cartographer的ros封装壳。首先介绍其ros封装，可以看到大概的调用流程，然后再深入源码去剖析其实现过程。但是其代码可以说十分的繁琐且复杂，在只能大致理清楚其逻辑。Cartographer-ROS根据运行的命令 roslaunch cartographer_ros offline_backpack_2d.launch bag_fi

Real-Time Loop Closure in 2D LIDAR SLAM主要贡献：提出一种实时运行的激光slam，精度能达到5cm，前端采用CSM后端采用SPA，并采用分枝定界算法添加回环检测功能。采用构建submap的形式使得系统能够在大型环境中运行。前端scan每当获取到一帧扫描数据后快速的与子地图进行匹配得到相对的坐标变换关系Tξp=(cos⁡ξθ−sin⁡ξθsin⁡ξθcos⁡ξθ)⏟Rξp+(ξxξy)⏟tξT_{\xi} p=\underbrace{\left(\begin{a

前言：前端多技巧，后端多理论是slam的一个特性。因此要理解本论文需要一定的理论基础。即需要对加权LM算法十分熟悉，对矩阵求导、SO（3）上的导数、稀疏线性方程组求解等理论非常熟悉，还有slam问题中图结构的构造。总体评价：创新点不大，将视觉中的BA问题直接类比到了激光中，使用了一些工程技巧提高了算法性能。主要工作：采用和视觉BA问题类似的方法构建图结构进行优化，利用矩阵的稀疏结构对算法进行加速。优势：考虑约束中的协方差信息使结构更加精确SPA对于初始值不敏感，只有非常小的概率陷入局部最优收敛

前言：本文是和Cartographer相关的三篇论文之一的《Real-Time Correlative Scan Matching》的阅读总结，主要介绍了激光slam的前端部分。创新点：以往的方法总是希望强调较小的计算量而更少的关注计算结果的质量，由于计算能力的提高这已经不那么重要了，加上文中论证误差函数往往是存在多个局部最优值的使得其他算法结果质量不高，因此本文提出的方法能够在提高计算复杂度的条件下求解出全局最优值。以往只是单纯的求解最优值，而本文可以计算当前估计的概率分布为后续优化工作提供更多信