
Gmapping
春至冬去
学如春起之苗,不见其增,日有所长。
展开
-
GMapping学习记录
GMapping学习记录1. Rao-Blackwellized 粒子滤波在定位问题中,每一个粒子只需要表示一个可能的姿态。但在SLAM中,姿态和地图都是变量,所以一个粒子需要同时保存所有历史时刻的机器人位姿和整个地图。根据贝叶斯法则,有这一分解相当于把SLAM分离为定位和建图两步,大大降低SLAM问题的复杂度。该处理方法称为Rao-Blackwellized粒子滤波(RBPF)。这里通过上一个时刻的地图和运动模型预测当前的位姿,然后计算权重,即在当前位姿下得到当前观测的可能性,再进行重采样,进原创 2020-12-24 15:46:30 · 1089 阅读 · 0 评论 -
Gmapping学习记录
Gmapping 原理分析概念:1.Gmapping是基于滤波SLAM框架2.Gmapping是基于RBpf粒子滤波算法,即将定位与建图过程分离开,先进行定位后进行建图3.Gmapping在RBpf上主要做了两个方面的改进:改进提议分布和选择性重采样Gmapping有效利用了车轮里程计信息,这也是Gmapping对激光雷达频率要求较低的原因:里程计可以提供机器人的先验位姿。而hector和cartographer的设计初衷不是为了解决平面移动机器人定位和建图,Heator主要用于救灾等地面不平坦的转载 2020-12-15 22:02:40 · 1455 阅读 · 0 评论