室内无源定位—激光SLAM在无人机上的飞行测试

开篇

关于无人机、无人车的室内定问题一直是一个老大难问题，目前的定位方案分为外部定位和自主定位，其中，外部定位方案已经相对成熟，例如UWB、wifi、蓝牙等都是非常稳定的，但是对于自主定位技术，主要包括激光SLAM、视觉SLAM（VSLAM）、超声波等其他测距仪，这些技术相对还不够成熟稳定，应用的也不多。

SLAM是近几年来大热的话题，其中激光SLAM更是在智能机器人领域得到了相对广泛的应用，比如扫地机器人，无人车等。但是，对于无人机这种非二维平面的运动物体来讲，要做到稳定的SLAM定位就比较难了（我们曾花费大量时间尝试运用开源算法实现，从环境搭建开始一步步······后面会介绍为什么不用），鉴于此，我们跳脱出目前的开源SLAM，从0开始构建自己的激光SLAM算法——TSLAM。

关于开源SLAM-Cartographer的无人机飞行测试总结

先说一下目前市面上比较出名的开源slam项目吧：

• Cartographer
• Hectorslam
• Gmapping

首先，Gmapping是基于pf粒子滤波的slam算法，而Cartographer和Hectorslam都是基于非线性优化的，现在用EKF来做slam的已经很少了，绝大多数还是使用最小二乘。

Cartographer是有后端的slam算法，而Hectorslam是无后端的，前者更适用于以建图为重点的应用，后者