激光slam课程学习笔记--第2课:2D激光slam_激光2d定位的方法csdn-程序员宅基地

技术标签: slam  自动驾驶  

前言:这系列笔记是学习曾书格老师的激光slam课程所得,这里分享只是个人理解,有误之处,望大佬们赐教。这节课介绍的是2D激光slam。

1. 2d激光slam的介绍

在这里插入图片描述激光slam的输入:IMU数据,里程计[可以简化理解为一种描述机器人的定位姿态信息的东西]数据,激光雷达数据

激光slam的输出:覆盖栅格地图,机器人的轨迹或pose graph
在这里插入图片描述
帧间匹配方法:
PI-ICP,
CSM(correlation scan math)[对初值不敏感,但是只是对一定范围进行细分但不能无限细分以节省计算量,其精度受限于最小分辨率],

梯度优化方法[把匹配问题转换为一个非线性最小优化问题,其对初值敏感],

state of art:CSM+梯度优化[当前最优方式]

回环检测方法:

1)scan-to-map,
2)map-to-map,
3)branch and bound[分支与边界,其思路是,把搜索空间构造一棵树,越到下面,搜索空间划分就越细,父节点的最优得分大于子节点得分之后,若父小于子节点之和,则将整个分支截除][这个方法可以保证回环速度] [CSM]

& lazy decision[目地是避免回环出错带来的灾难性后果.回环时,若检测到相同位置,不立刻进行优化,而是多走几步再优化][该方法可避免错误回环]

[由于2d激光雷达信息比较少,回环严格,可能会导致回环失败;回环过松,可能导致回环失败][方法3)是当前常用的方法]

2. 2d激光slam的发展

在这里插入图片描述

2.1 基于滤波器

a、EKF-SLAM,诞生于90年代。[当前导航使用的是栅格地图,而其构建的是特征地图,故基本被舍弃]

b、FastSLAM,诞生于02-03年

c、Gmapping,诞生于07年[栅格版本+scan match,其基于滤波器的,累计误差无法消除,所以该方式非常依赖里程计]

d、Optimal RBPF,诞生于10年[是对gmapping进行优化所得,原理是对一个粒子进行传播n次,在n次里面选择最优粒子出来作为真实传播,从而减低误差][基于滤波器的2d激光slam方法到了10年的停止发展了]

2.2 基于图优化

a、Globally Consistent Range Scan For Envionment Mapping,诞生于97年[基本框架和当前图优化论文毫无区别,采用的是非线性最小二乘,但是忽略了稀疏性]

b、Incremental Mapping of Large Cyclic Environments,诞生于99年[老师说这是一篇跨时代论文,当前2d激光slam框架都是和这篇论文基本一样,局部匹配(local scan match)+全局矫正(global correct),回环检测使用的是map-to-map,但是其也没有认识到稀疏性]

c、Karto SLAM,诞生于10年[基于CSM+SPA两篇论文产生的,跑该开源代码时容易发生崩溃,由于其SPA库有问题,但是其是第一个基于图优化的开源算法]

d、Cartographer,诞生于16年[谷歌开源,可视为是Karto SLAM的升级版本,局部子图实时构建,分阶递进方法来加速回环检测,利用图优化方法进行帧间匹配]

[老师建议,基于滤波器的slam方法不用研究了,直接搞图优化框架里面进行研究得了]

3. 2d激光slam的应用

在这里插入图片描述

3.1 数据预处理

[很多情况,数据处理做得好,比花一堆时间改进算法得到的效果更好]

a、轮式里程计的标定

[激光的初始解是由轮式里程计和imu给定的,所以轮式里程计的标定是非常重要的]

[轮式里程计标定一般分为,offline(出厂标定)、online(在线标定)(比如提前标定了轮子直径,满载时,轮子会被压扁的,而此时还采用原有的标定方式,会导致误差继续放大,此时就需要在线标定轮子直径以保持较高的直径精度以缓解误差)]

b、激光雷达运动的畸形去除

[畸变产生原理:由于激光是旋转产生的,过程是需要花时间的,而载体是运动的,那么产生的一圈激光必然不是闭合的]

c、不同系统之间的时间同步

[导航系统,信息流可有odom—>mcu—>主机pc,传递过程中存在时间延迟,导致系统处理时获取的数据并不符合当前状况,导致策略信息生成有错误][这就凸显了时间同步的重要性]

3.2 实际环境中问题

a、动态物体
b、环境变化
c、几何机构相似环境[激光使用的是特征点进行建图的,特征点过少,导致建图的艰难]

d、建图的操作复杂
e、全局定位[单纯靠2d激光来做全局定位,比较难,也有例子如MHT]
f、地面材质的变化[如影响轮子直径导致里程计的不准]

g、地面凹凸不平[影响里程计]
h、机器人载重的改变[影响里程计]

4. 2d激光SLAM的趋势–与视觉融合

在这里插入图片描述

4.1 视觉提供的信息

1)高精度的里程信息[VIO,VWO(W表示wheel)]
2)信息量丰富的视觉地图

[视觉面对白色物体,就会失效]

4.2 融合解决的问题

1)动态物体
2)环境变化
3)几何结构相似环境[视觉地图]

4)建图的操作复杂
5)全局定位[视觉地图]
6)地面材质的变化[里程信息]

7)地面凹凸不平[里程信息]
8)机器人载重的改变[里程信息]

[我们都希望多个传感器融合得到1+1>2结果,但是实际情况可能会出现<2情况,这是我们要注意的]

#####################
图片版权归原作者所有
致谢曾老师的付出

不积硅步,无以至千里
好记性不如烂笔头
感觉有点收获的话,麻烦大大们点赞收藏哈

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/qq_45701501/article/details/124365784

智能推荐

JWT(Json Web Token)实现无状态登录_无状态token登录-程序员宅基地

文章浏览阅读685次。1.1.什么是有状态?有状态服务,即服务端需要记录每次会话的客户端信息,从而识别客户端身份,根据用户身份进行请求的处理,典型的设计如tomcat中的session。例如登录:用户登录后,我们把登录者的信息保存在服务端session中,并且给用户一个cookie值,记录对应的session。然后下次请求,用户携带cookie值来,我们就能识别到对应session,从而找到用户的信息。缺点是什么?服务端保存大量数据,增加服务端压力 服务端保存用户状态,无法进行水平扩展 客户端请求依赖服务.._无状态token登录

SDUT OJ逆置正整数-程序员宅基地

文章浏览阅读293次。SDUT OnlineJudge#include<iostream>using namespace std;int main(){int a,b,c,d;cin>>a;b=a%10;c=a/10%10;d=a/100%10;int key[3];key[0]=b;key[1]=c;key[2]=d;for(int i = 0;i<3;i++){ if(key[i]!=0) { cout<<key[i.

年终奖盲区_年终奖盲区表-程序员宅基地

文章浏览阅读2.2k次。年终奖采用的平均每月的收入来评定缴税级数的,速算扣除数也按照月份计算出来,但是最终减去的也是一个月的速算扣除数。为什么这么做呢,这样的收的税更多啊,年终也是一个月的收入,凭什么减去12*速算扣除数了?这个霸道(不要脸)的说法,我们只能合理避免的这些跨级的区域了,那具体是那些区域呢?可以参考下面的表格:年终奖一列标红的一对便是盲区的上下线,发放年终奖的数额一定一定要避免这个区域,不然公司多花了钱..._年终奖盲区表

matlab 提取struct结构体中某个字段所有变量的值_matlab读取struct类型数据中的值-程序员宅基地

文章浏览阅读7.5k次,点赞5次,收藏19次。matlab结构体struct字段变量值提取_matlab读取struct类型数据中的值

Android fragment的用法_android reader fragment-程序员宅基地

文章浏览阅读4.8k次。1,什么情况下使用fragment通常用来作为一个activity的用户界面的一部分例如, 一个新闻应用可以在屏幕左侧使用一个fragment来展示一个文章的列表,然后在屏幕右侧使用另一个fragment来展示一篇文章 – 2个fragment并排显示在相同的一个activity中,并且每一个fragment拥有它自己的一套生命周期回调方法,并且处理它们自己的用户输_android reader fragment

FFT of waveIn audio signals-程序员宅基地

文章浏览阅读2.8k次。FFT of waveIn audio signalsBy Aqiruse An article on using the Fast Fourier Transform on audio signals. IntroductionThe Fast Fourier Transform (FFT) allows users to view the spectrum content of _fft of wavein audio signals

随便推点

Awesome Mac:收集的非常全面好用的Mac应用程序、软件以及工具_awesomemac-程序员宅基地

文章浏览阅读5.9k次。https://jaywcjlove.github.io/awesome-mac/ 这个仓库主要是收集非常好用的Mac应用程序、软件以及工具,主要面向开发者和设计师。有这个想法是因为我最近发了一篇较为火爆的涨粉儿微信公众号文章《工具武装的前端开发工程师》,于是建了这么一个仓库,持续更新作为补充,搜集更多好用的软件工具。请Star、Pull Request或者使劲搓它 issu_awesomemac

java前端技术---jquery基础详解_简介java中jquery技术-程序员宅基地

文章浏览阅读616次。一.jquery简介 jQuery是一个快速的,简洁的javaScript库,使用户能更方便地处理HTML documents、events、实现动画效果,并且方便地为网站提供AJAX交互 jQuery 的功能概括1、html 的元素选取2、html的元素操作3、html dom遍历和修改4、js特效和动画效果5、css操作6、html事件操作7、ajax_简介java中jquery技术

Ant Design Table换滚动条的样式_ant design ::-webkit-scrollbar-corner-程序员宅基地

文章浏览阅读1.6w次,点赞5次,收藏19次。我修改的是表格的固定列滚动而产生的滚动条引用Table的组件的css文件中加入下面的样式:.ant-table-body{ &amp;amp;::-webkit-scrollbar { height: 5px; } &amp;amp;::-webkit-scrollbar-thumb { border-radius: 5px; -webkit-box..._ant design ::-webkit-scrollbar-corner

javaWeb毕设分享 健身俱乐部会员管理系统【源码+论文】-程序员宅基地

文章浏览阅读269次。基于JSP的健身俱乐部会员管理系统项目分享:见文末!

论文开题报告怎么写?_开题报告研究难点-程序员宅基地

文章浏览阅读1.8k次,点赞2次,收藏15次。同学们,是不是又到了一年一度写开题报告的时候呀?是不是还在为不知道论文的开题报告怎么写而苦恼?Take it easy!我带着倾尽我所有开题报告写作经验总结出来的最强保姆级开题报告解说来啦,一定让你脱胎换骨,顺利拿下开题报告这个高塔,你确定还不赶快点赞收藏学起来吗?_开题报告研究难点

原生JS 与 VUE获取父级、子级、兄弟节点的方法 及一些DOM对象的获取_获取子节点的路径 vue-程序员宅基地

文章浏览阅读6k次,点赞4次,收藏17次。原生先获取对象var a = document.getElementById("dom");vue先添加ref <div class="" ref="divBox">获取对象let a = this.$refs.divBox获取父、子、兄弟节点方法var b = a.childNodes; 获取a的全部子节点 var c = a.parentNode; 获取a的父节点var d = a.nextSbiling; 获取a的下一个兄弟节点 var e = a.previ_获取子节点的路径 vue