碎碎念:Hello米娜桑,这里是英国留学中的杨丝儿。我的博客技术点集中在机器人、人工智能可解释性、数学、物理等等,感兴趣地点个关注吧,持续高质量输出中。
唠嗑QQ群:兔叽的魔术工房 (942848525)
B站账号:杨丝儿今天也在科学修仙(UP主跨站求个关注)
⭐️参考
- [草稿] X. Zhang, H. Liu, Z. Zou, and M. Zhou, Multi-sensor Fusion for Autonomous Driving.
⭐️关键观点
- 前人的研究把定位和建图任务(SLAM)从实验室带到了现实场景。实验室场景和现实场景最大的区别是灵活度的提升。
- 自定位任务(self-positioning)现阶段有两个方向:
- 基于内部传感器(GPS、IMU等)根据车辆的运动信息进行定位的任务,具有累积误差的问题。
- 基于激光雷达等通过采样环境数据进行定位的SLAM技术,受限于环境,不适宜在低特征环境(如空旷地域)进行定位任务。
⭐️关键词整理
real-time posioning problems, coarse-and-fine hybrid positioning system, global information and feature-based simultaneous localization and maping(GF-SLAM), feature-based SLAM (F-SLAM), coarse positioning, particle filter, Kalman filter(EKF), Self-Positioning, map drift, positioning fails, dead reckoning (DR)