现在都是图优化，都是grade-based(滤波器的都不怎么用了)
Cartographer—所有开源中的效果比较好的
最小二乘，数据的稀疏性。
框架：局部匹配、全局矫正、回环检测（map-map）
数据的预处理（重要）：
1、轮式里程计的标定
- 决定初始解的准确程度，只有初始解越准确才可能得到准确的局部最优解
- 分2步：离线标定、在线标定
2、激光雷达运动畸变去除
- 运动畸变的意思是激光旋转时，需要花时间，在运动时测量到的点可能会发生变化
3、不同系统之间的时间同步
实际环境中问题：
动态物体
环境变化
几何结构相似环境
建图的操作复杂
全局定位
地面材质的变化
地面凹凸不平
机器人载重的改变
2D激光SLAM的趋势—与视觉融合
视觉提供的信息：
高精度的里程信息
信息丰富的视觉地图
融合解决的问题：
几何结构相似环境
全局定位（MHT，2D做全局定位没优势）
地面材质的变化
地面凹凸不平
机器人载重的改变
最后
以上就是神勇小兔子最近收集整理的关于SLAM入门到放弃——2D激光SLAM的应用与趋势的全部内容，更多相关SLAM入门到放弃——2D激光SLAM内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复