SLAM如何定位与建图，以及应用前景

1：slam简介与应用

这篇博主讲了slam的简介以及应用场景，主要是无人机，无人驾驶与AR

https://blog.csdn.net/liubing8609/article/details/80754213

2.如何实现定位

2.1 基于特征点匹配

   算法：

    虽然实际情况是小车移动，墙静止。但是相对车，墙在移动。通过特征点匹配，可以得出墙的移动后的位置（x2,y2,z2,alpha2,beta2,gama2)，两帧的位置差（x2-x1,y2-y1,z2-z1,....)。相对来说，我们就可以得出小车的位移。

那么动态障碍物造成的干扰呢？

3.如何实现建图？

获取深度的方式有RGB-D，双目，单目需要有参考物。

获取深度图后，要形成点云，重点便是点云的拼接，在slam十四讲里有示例：

https://blog.csdn.net/weixin_40353209/article/details/81367511

这里主要谈下主要思想；

利用PCL建立点云 变量，比如pointT(类似一个多维向量，不用定义大小，不断添加数据），然后不断向里面放置点云信息（x,y,z,r,g,b)。如何融合多张图的点云呢？很简单。我们通过深度图，可以得知每个点在世界坐标的位置，得到（x,y,z,r,g,b)

然后再push_back进pointT这个vector里。这样假如两张深度图里有相同的点，就在点云图里重合在一起就好了。当所有点遍历完毕，点云图也就建立完成。

那么问题来了，一般建立的ROS导航地图都是2D的，如何处理爬坡等问题呢？