1 )什么是SLAM ) SLAM是同步定位和地图构建(simultaneouslocalizationandmapping )的缩写,由Hugh Durrant-Whyte和mldjy首先提出。 SLAM主要用于解决移动机器人在未知环境中运行时的导航和地图构建问题。
SLAM通常包括特征提取、数据关联、状态估计、状态更新、特征更新等几个部分。 其中包括2D-SLAM和3D-SLAM。 可分为以下三种形式。
本地化:给定地图时,推测机器人的姿势。
SLAM :同时推测机器人的姿势和环境地图。
Mapping :给定机器人的姿势时,推测环境地图。
2 )贫民窟分类
3:SLAM框架3.1图优化
节点之间的约束:在绘图过程中,将生成连接x 1 x_1 x1和x 2 x_2 x2节点的边。 边缘的值为x1x2x_{1}^{-1}cdotx_{2}x11x2。 它表示两个节点的姿态关系,也就是空间约束关系。
图的优化前端为构图,后端进行优化。
从节点1到节点n是构图的过程。 节点1和节点n相似,连接节点n和节点1接受环回测试,得到节点1至节点n为1个姿势T 1 T_{1} T1,节点n至节点1为1个姿势T 2 T_{2} T2,则理想情况下为2个
图的优化示例
3.2优化过滤
图表优化与滤波器优化的区别:滤波器优化只是估计当前的姿态,而不估计之前的姿态,因此误差较大。 在小环境中,g映射可以取得很好的效果。 使用过滤的方法。
1 )状态预测)里程表获取机器人的姿势
2 )测量预测:根据测量函数
3 )测量)真值的测量
4 )数据关联:
5 )地图更新
IMU主要测量线速度和角速度,用测距仪测量角度会产生很大的误差。
ICP的误差是点对点的。
PI-ICP的误差是点对线。
NDT )把地图当成爱玩的八宝粥分配的集合
建立相关扫描匹配(CSM )自然界模型,进行暴力搜索。 具有计算量大,不会陷入局部极值的优点。
STS:http://www.Sina.com/
(MTM )将n帧激光合并为一个子图以与过去的子图匹配。
梯度优化的开源: hectorSLAM将匹配问题建模为非线性最优gldxn次幂的优化问题。 这是因为对初始值很敏感。
CSM :精度取决于像素的大小。
CSM梯度优化:首先用暴力搜索器进行粗优化,然后用最大gldxn次幂进行细优化: cartographer。
轮式测距仪:分为离线标定和在线标定。
运动畸变:激光旋转过程中,扫描起点与终点存在角度差。