地图构建中不得不面对的问题—大场景下的地图构建与闭环

本文探讨了大场景地图构建的挑战,强调了激光雷达与SLAM算法在其中的作用。针对闭环问题,介绍了粒子滤波SLAM和基于图优化的SLAM方法,分析了两者优缺点,指出Graph-SLAM在闭环检测和地图修正上的优势。
摘要由CSDN通过智能技术生成

  开篇前试想这样两个场景:

  在一个相对较小的地方(如房间),让你快速找某个东西,是不是很容易,很清楚自己在哪里,要怎么拿到他。

  然后,把你放到一个大场景(如商场),在不熟悉的情况下,是不是有点慌?

  这两个场景的典型区别就在于场景的大小不同,需要人处理的信息量不同。同理,机器人在初次面对的时候也会有点慌。但其实,只要清楚他的“地图构造”,再大的场景也不是问题。

  目前,虽然即时地图构建和导航技术已经日益成熟,但是大规模场景下较大的环境面积及复杂的场景结构给地图构建带来了较大挑战。甚至在有些人眼里看来,这是工作量巨大的,繁琐的、构建不准确的……但其实,我们可以轻松完成10w+㎡场景下的地图构建,边走边建图,无需预先探明地图。

  比如,这样的:

 

  这样的:

  

  以及这样的:

  

  一个典型的商用场景特征如下:

  <

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值