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