![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
激光slam
文章平均质量分 91
向上的Stone
在读研究生
展开
-
velodyne+cartographer 2D构建栅格地图
基于VLP16 多线激光雷达的cartographer 2d 建图实现原创 2022-06-20 00:33:55 · 1717 阅读 · 4 评论 -
利用Octomap建立二维导航地图时出现的问题
Octomap出现的问题 最近在用VLP-16跑lego-loam,发现三维地图在导航时用不了,还是需要使用二维栅格地图。因此需要使用octomap将三维地图转为二维地图。一开始使用时也出现很多问题,花了一天时间终于将问题解决了,记录一下,避免踩坑。安装octomap_server安装sudo apt-get install ros-melodic-octomap-ros #安装octomapsudo apt-get install ros- melodic -octomap-msgssudo原创 2021-12-14 19:01:50 · 6158 阅读 · 27 评论 -
激光SLAM学习笔记
背景激光SLAM采用2D或3D激光雷达(也叫单线或多线激光雷达),2D激光雷达一般用于室内机器人上(如扫地机器人),而3D激光雷达一般使用于无人驾驶领域。激光雷达的出现和普及使得测量更快更准,信息更丰富。激光雷达测距比较准确,误差模型简单,在强光直射以外的环境中运行稳定,点云的处理也比较容易。同时,点云信息本身包含直接的几何关系,使得机器人的路径规划和导航变得直观。激光SLAM理论研究也相对成熟,落地产品更丰富。激光点云所包含的信息及处理 激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度原创 2020-12-18 22:54:26 · 1548 阅读 · 2 评论 -
LOAM文献翻译
LOAM原创 2021-09-02 16:35:34 · 393 阅读 · 0 评论 -
LOAM简介
LOAMLOAM系统流程 整体思想: 在点云中提取边缘特征(如树干、墙角等采用线模型描述)和平面特征(如地面、墙面等,采用面模型描述),匹配时以点到线距离和点到面的距离为残差优化位姿。1、特征提取(1)按线数分割 这里的线数指的是激光雷达的线程数。(2)计算曲率c=1∣S∣⋅∥X(k,i)L∥∑j∈S,j≠i(X(k,i)L−X(k,j)L)∥c=\frac{1}{|S| \cdot \| X_{(k, i)}^{L}}\left\|\sum_{j \in S, j \neq i}\lef原创 2021-08-13 15:11:58 · 1425 阅读 · 0 评论 -
讯飞线上赛总结(三)
讯飞线上赛总结(三)——局部路径规划 局部路劲规划是在未知环境中,基于传感器获取周围环境信息,并使机器人自主获得一条无碰撞的最优路径。用于局部路径规划的经典算法有人工势场法、模拟退火法、模糊逻辑法、TEB局部规划以及DWA算法等路径规划方法。...原创 2021-08-08 23:55:38 · 874 阅读 · 0 评论 -
讯飞线上赛总结(一)
科大讯飞线上赛赛后总结——Mapper Server (已经有好写日子没更新博客了,因为这段日子参加了科大讯飞智能车的线上比赛,3/20才结束,这次通过这次比赛收获颇丰,也充分地认识到自己的不足,接下来的几篇博客主要是自己参加比赛后的开始给自己疯狂补课的总结与大家分享一下,比赛方面的事情抽空会写两篇博客介绍一下。) 这篇博客主要是介绍ros中mapserver工具的功能以及相关参数。比赛最初使用了gmapping建图,建图效果也比较理想,在获取官方的一些指导后,我们还是采取的cartographer原创 2021-04-02 11:42:54 · 847 阅读 · 0 评论 -
激光SLAM之Gmapping(2)算法分析解读
激光SLAM之Gmapping(2)算法分析解读 Gmapping的程序框架是依托Open_slam,该框架主要分成slam_gmapping和openslam_gmapping。在slam_gmapping可以从Lasercallback出发,作为整个框架的起点,Lasercallback函数在slam_gmapping.cpp文件中。文章目录激光SLAM之Gmapping(2)算法分析解读主要函数及调用关系①InitMapper函数②addScan函数③Processscan函数④scanMach原创 2021-01-17 22:34:26 · 1369 阅读 · 0 评论 -
激光SLAM之Gmapping(1)安装与测试
激光SLAM之Gmapping文章目录激光SLAM之Gmapping背景安装与编译算法分析1、参数解释2、算法结构背景 Gmapping是ROS中一种开源的实时SLAM解决方案,由德国弗莱堡大学Giorgio Grisetti等编写。主要使用激光和里程计数据进行SLAM,采用自适应重采样技术来减少粒子退化的影响,同时在粒子分布时引入当前观测值,使得粒子不确定性降低。其方法中主要包括扫描匹配和Grid FastSLAM算法,构建的地图格式为栅格地图。安装与编译算法分析1、参数解释2、算法结构原创 2021-01-05 18:31:25 · 4697 阅读 · 13 评论