激光SLAM

1、激光分类

维度分类:

a、二维激光(单点反射、平面、旋转台)

b、三维激光

距离分类:

a、近距离:壁障、碰撞检测、路边检测

b、远距离:行人检测、定位、建图

特点:

优点:

a、可以直接获取深度信息;

b、不受环境光照影响,比较稳定;

缺点:

a、稀疏性;

b、几何信息区分度小;

SLAM研究历史

1、反光板定位(二维)

2、ekf特征定位(二维) 主要形式为角点、线。 一般要配以里程计、imu,或者运动模型来提供运动预测 算法以ekf、粒子滤波等模型形式。

http://blog.csdn.net/renshengrumenglibing/article/details/8604245

3、点或特征的ICP(二维) 里程计推导用直接的ICP替代了之前的efk过程。 定位使用粒子滤波方式。 最有代表性的是gmapping

4、技巧 1.去除信息量较少的点、例如分割去除地面、动态物体等 2.只提取一些关注信息,例如路牙 3.多种方法融合,ndt和特征、激光和相机等。 4.往二维方法上靠,二维网格、二维配准方法等。 5.隐性的借鉴十年前的有效方法 6.更强调工程型,例如行人检测等内容 7.闭环检测很多情况下不需要、不现实。(A Flexible and Scalable SLAM System with Full3D Motion Estimation)。

LOAM

时间: 2024-11-08 08:35:19

激光SLAM的相关文章

2D-slam 激光slam: 开源代码的比较HectorSLAM Gmapping KartoSLAM CoreSLAM LagoSLAM

最近找到一篇论文比较了一下 目前ros下2D激光slam的开源代码效果比较: 详细参见论文:   An evaluation of 2D SLAM techniques available in robot operating system 1. 算法介绍 A . HectorSLAM scan-matching(Gaussian-Newton equation)  + 传感器的要求高 要求: 高更新频率小测量噪声的激光扫描仪.  不需要里程计,使空中无人机与地面小车在不平坦区域运行存在运用的可

视觉slam学习之路(一)看高翔十四讲所遇到的问题

目前实验室做机器人,主要分三个方向,定位导航,建图,图像识别,之前做的也是做了下Qt上位机,后面又弄红外识别,因为这学期上课也没怎么花时间在项目,然后导师让我们确定一个方向来,便于以后发论文什么.上个礼拜看了些论文,感觉视觉slam方向还可以,图像识别毕竟不是计算机科班,可能真正要弄也很难有成果,slam也是最近才研究起来,也挺适合我们搞,需要一些高数.c++.ros等知识,学的东西也挺多的,但这样才能体现研究生的价值,不然本科生也能做,然后确定了这个研究方向,希望好好研究个一两年有所成就,研三

详解SLAM的典型应用及分类

SLAM是Simultaneous localization and mapping缩写,意为"同步定位与建图",主要用于解决机器人在未知环境运动时的定位与地图构建问题,为了让大家更多的了解SLAM,以下将从SLAM的应用领域.SLAM框架.SLAM分类(基于传感器的SLAM分类)来进行全面阐述,本文仅对没有接触过SLAM的新人进行的科普. 一.SLAM的典型应用领域 机器人定位导航领域:地图建模.SLAM可以辅助机器人执行路径规划.自主探索.导航等任务.国内的科沃斯.塔米以及最新面世

从零开始一起学习SLAM | 掌握g2o顶点编程套路

点"计算机视觉life"关注,置顶更快接收消息! ## 小白:师兄,上一次将的g2o框架<从零开始一起学习SLAM | 理解图优化,一步步带你看懂g2o代码>真的很清晰,我现在再去看g2o的那些优化的部分,基本都能看懂了呢! 师兄:那太好啦,以后多练习练习,加深理解 小白:嗯,我开始编程时,发现g2o的顶点和边的定义也非常复杂,光看十四讲里面,就有好几种不同的定义,完全懵圈状态...师兄,能否帮我捋捋思路啊 师兄:嗯,你说的没错,入门的时候确实感觉很乱,我最初也是花了些时间

路标(landmark)

一般视觉上用的比较多,因为相对来说图像还是比激光什么的信息更丰富.图像中的特征点.预先部署的图像pattern(如二维码.色块等)都可以做landmark,或者你能够做环境语义标注,直接在图像上框出来房子.树.门这些物体,也可以用作landmark,这样还不需要预先部署. 激光中,landmark一般在基于反射板的激光SLAM中用的比较多,每块反射板中心当做一个landmark点.没有反射板的情况下,一般不用landmark来做SLAM,因为确实不好找,而且就算找到了区分性也不是特别好. 3D点

单舵轮(叉车)AGV里程计数据解算

单舵轮(叉车)AGV里程计数据解算 2016-07 单舵轮AGV,一般包含一个驱动轮和两个从动轮,驱动轮是同时具备行走和转向两个功能的舵轮,因此,单舵轮AGV的运动学自由度为2个.舵轮线速度V1,舵轮转角θ. AGV机器人里程计一般包含2 个方面的信息: 一.是位姿(位置和转角),即(x,y,θ). 二.是速度(前进速度V和转向速度W). 为了建立理想运动学模型,我们需要假设以下情况: 一.舵轮与地面之间行走无滑动摩擦: 二.AGV运行的平面为水平面,没有坡度: 建立单舵轮AGV理想运动学模型,

服务机器人关键技术解读(一)

几年前就曾有人预言"机器人终将取代人类工作",随着AI产业化.商业化落地实现,机器人取代人类完成高频重复的工作正加速前进中,而技术问题是目前面临的主要难题. 服务机器人实际上是多种技术的融合和实现,包括定位导航.语音交互.运动控制.后台调度管理.多传感器融合.通信等多领域的技术.要让产品理想落地及商用,这些技术缺一不可.今天我们就先来探讨下服务机器人的定位导航技术. 说起服务机器人定位导航,就不得不提到SLAM技术, SLAM (simultaneous localization an

移动机器人是如何实现自主定位与导航的?

随着人工智能技术的发展和社会需求的变化,服务机器人市场需求强劲,将超越工业机器人的增速,成为机器人行业的下一个风口,而服务机器人区别于工业机器人的关键技术是,可以自主定位.自主路径规划和自主避障. 当我们身处某地,可以通过眼睛观察周边环境,如果想要去另一个地方,需判断最佳路径,当然也会同时避开障碍物,顺利到达目的地.那么对于移动机器人来说,如何实现这样的定位与导航呢? 以机器人的同步建图与定位技术为前提 近年来,一种在确定自身位置的同时构造环境模型的方法,常被用来解决机器人定位与建图问题.这种被

2019 CES展上最受外媒体关注的中国机器人产品及技术

? ? ? 2019 CES在美国拉斯×××已正式落下帷幕,在这个梦想与现实交错的地方,来自全球的企业展现了许多新奇.创新的黑科技产品.虽然展会中英特尔.高通.微软等大公司占据人们最多的眼球,但来自中国的机器人技术及产品也一样受人瞩目. ? ? ? 思岚科技:以激光SLAM为核心的自主定位导航技术 ? ? ? 在不确定环境中如何实现移动机器人自主定位导航一直是机器人行业研究的一大核心课题,激光SLAM技术凭借稳定.可靠等优势成为机器人定位导航的核心技术.思岚科技作为国内最早将激光SLAM技术应用