slam中紧耦合和松耦合概念的区分

已于 2024-03-20 16:12:08 修改
阅读量925 收藏 2
点赞数 8
分类专栏： slam 文章标签： 自动驾驶 c++ 机器人
于 2024-03-20 16:10:35 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ergevv/article/details/136879273
版权
本文讨论了在自动驾驶和机器人技术中，松耦合和紧耦合两种数据处理方法的区别。松耦合仅关注传感器外部数据整合，而忽视内部误差；紧耦合则考虑匹配误差，将这些信息纳入优化过程。以激光点云数据为例，区分了这两种处理方式的应用.
摘要由CSDN通过智能技术生成

松耦合：单纯将多个传感器把观测到的数据合并处理，不考虑传感器内部的性质

紧耦合：考虑传感器内部的误差

举个例子：对于激光的点云数据，如果只考虑点云匹配后得到的位姿，将位姿用于其他地方优化，而忽略了点云匹配的误差，那就是松耦合；如果考虑点云匹配的残差，即点与点的误差，将这个数据加入优化，即是紧耦合。

参考资料：自动驾驶与机器人中的slam技术（高翔）

ergevv
关注
专栏目录
【ORB_SLAM3源码解读】IMU基础介绍、IMU姿态、速度、位置解算以及误差方程、坐标系
小秋 AI SLAM 入门实战教程
04-29 9047
ORB_SLAM3优势 IMU(Inertial Measurement Unit),惯性测量单元 • 典型 6 轴 IMU 以较高频率(≥ 100Hz)返回被测量物体的角速度与加速度 • 受自身温度、零偏、振动等因素干扰,积分得到的平移和旋转容易漂移 六自由度 IMU 本身由一个陀螺仪和一个加速度计组成,分别测量自身的角速度和加速度。 IMU 适合计算短时间、快速的运动; 快速响应,不受成像质量影响,角速度普遍比较准确,可估计绝对尺度 存在零偏,低精度 IMU 积分位姿发散,高精度价格昂贵 可利用视觉定位
SLAM快速入门
Cai_deLong的博客
09-13 3011
SLAM入门 SLAM是Simultaneous localization and mapping缩写，意为“同步定位与建图”. SLAM的典型应用领域: 机器人定位导航领域-地图建模, VR/AR方面-辅助增强视觉效果, 无人机领域-地图建模, 无人驾驶领域-视觉里程计 SLAM框架: 传感器数据：主要用于采集实际环境中的各类型原始数据。包括激光扫描数据、视频图像数据、点云数据等。 视觉里程计：主要用于不同时刻间移动目标相对位置的估算。包括特征匹配、直接配准等算法的应用。 后
LiDARIMU紧耦合的实时定位方法.docx
02-23
LiDARIMU紧耦合的实时定位方法.docx
从零入门激光SLAM（十九）——松耦合与紧耦合到底怎么区分
HUASHUDEYANJING的博客
05-22 2039
随着知识的越来越多，越来越细，我准备整理一个自己的激光SLAM学习笔记专栏，从0带大家快速上手激光SLAM，也方便想入门SLAM的同学和小白学习参考，相信看完会有一定的收获。如有不对的地方欢迎指出，欢迎各位大佬交流讨论，一起进步。博主创建了一个科研互助群，欢迎大家加入讨论。
2、紧耦合 vs 松耦合的区别
最新发布
weixin_44760904的博客
06-09 826
总结来说，紧耦合系统适用于对精度和鲁棒性要求较高的应用场景，但设计和实现复杂；松耦合系统实现较为简单，适用于对精度要求不太高或计算资源有限的场景。松耦合（Loosely Coupled）**是传感器数据融合的两种策略，主要用于提高SLAM系统的精度和可靠性。**紧耦合（Tightly Coupled）
松耦合半直接单目SLAM
qq_29462849的博客
11-29 270
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达代码地址：在公众号「计算机视觉工坊」，后台回复「半直接单目」，即可直接下载。【摘要】论文提出了一个创新的用于SLAM的半直接算法，结...
松耦合和紧耦合
weixin_38117861的博客
12-15 2183
紧耦合和松耦合有什么区别
小泽
10-26 772
spring
紧耦合的激光视觉惯导SLAM系统：论文笔记_S2D.66_ICRA_2021_LVI-SAM
xiaojinger_123的博客
10-18 913
目录 基本情况 摘要 介绍 完整的激光视觉惯导SLAM系统 A. 系统概述 B. 视觉惯导系统 C.雷达惯导系统 实验 基本情况 题目: LVI-SAM: Tightly-coupled Lidar-Visual-Inertial Odometry via Smoothing and Mapping出处: ICRA_2021  Shan T, Englot B, Ratti C, et al. LVI-SAM: Tig...
论文笔记——基于多传感器融合的紧耦合SLAM系统
kkmd66的博客
10-02 452
基于多传感器融合的紧耦合SLAM系统
视觉/视觉惯性SLAM最新综述：领域进展、方法分类与实验对比
qq_29462849的博客
07-21 2952
Visual and Visual-Inertial SLAM: State of the Art, Classification,and Experimental Benchmarkin...
语义SLAM综述
热门推荐
aj的博客
02-27 1万+
语义SLAM综述 摘要 SLAM技术在计算机视觉和机器人领域中占有重要地位。传统的SLAM框架采用了较强的静态世界假设，便于分析。大多基于小区域静态环境。在大规模的动态环境下，它们大多难以获得较好的性能，系统的准确性、快速性仍需加强。如何应对动态环境是一个非常重要而又备受关注的问题。现有的面向动态场景的SLAM系统要么只利用语义信息，要么只利用几何信息，要么以松散耦合的方式天真地组合它们的结果。近...
GR-Fusion：强鲁棒低漂移的多传感器融合系统（IROS2021）
qq_29462849的博客
11-29 803
来源：GR-Fusion Multi-Sensor Fusion SLAM for Ground Robots with High Robustness and Low Drift IRO...
经典文献阅读之--VIP-SLAM（紧耦合RGB-D视觉惯性平面SLAM）
lovely_yoshino的博客
06-24 8970
图2显示了所提出系统的概述。我们的系统以RGB，深度和IMU为输入，具有三个主要组件，包括前端，平面模块和后端。前端模块是基于滑动窗口的VIO系统，可实时估计6-DoF姿态。我们的VIO类似于[7]，只是我们不考虑SLAM特征并添加额外的深度测量。平面模块接收前端和后端数据作为输入。高频前端信息仅用于扩展平面。低频但高精度后端信息用于新平面检测，平面扩展，点到平面关联和平面到平面合并。由于室内环境的大多数平面是水平的或垂直的，因此我们只考虑水平和垂直平面的检测。
ORB_SLAM2视觉惯性紧耦合定位技术路线与代码详解3——紧耦合优化模型
wangshuailpp的博客
06-11 3667
4.紧耦合优化模型 视觉惯性紧耦合优化部分分为三个部分，分别是Tracking、LocalMapping和Loopclosing，我只是学习了前两个部分，所以就简单的介绍下这两个内容 （1）Tracking线程中帧间紧耦合优化 论文中说的也比较清楚，分为两中情况，分别是有地图更新和无地图更新。Tracking线程中一开始是没有地图更新的，地图更新是在LocalMapping和LoopClos...
slam框架：紧耦合激光视觉惯性里程计的统一多模态地标点跟踪
qq_35102059的博客
12-09 2017
1 在一个固定步长的平滑窗口内，视觉提取特征点，激光雷达提取线特征和面特征点集。 2 跟踪视觉特征，使用激光雷达提供深度（投影，查找3个像素之内的对应点，计算残差）如上图3。 3 使用海塞正规式来参数化平面p，使用一个单位向量n以及一个d表示其原点的距离。 4 使用一个旋转矩阵R和两个尺度参数a,b来参数化一个直线，R表示直线方向，ab表示直线上距离原点最近的点 5 使用FAST角点检测器检测特征，并使用KLT特征跟踪器跟踪它们，使用RANSAC滤除外点 6 使用imu做先验，对雷达点云去畸变，并
SLAM 算法松耦合和紧耦合方案
haima1998的专栏
02-25 2895
转自：https://zhuanlan.zhihu.com/p/34995102 https://www.cnblogs.com/hitcm/p/6327442.html
高精度组合导航里的松耦合、紧耦合、深耦合
人无远虑，必有近忧
02-25 3933
高精度定位，是自动驾驶车辆一切丰满理想实现的前提。它用于判断自动驾驶功能是否处于可激活的设计运行条件内；它用于支撑自动驾驶车辆的全局路径规划；它用于辅助自动驾驶车辆的变道、避障策略。
没喝轮式里程计紧耦合啊
06-08
非常抱歉，我之前的回答有误。以下是一些常用的开源算法，可以实现激光雷达和IMU的紧耦合： 1. LIO-SAM（Lidar-Inertial Odometry with Smoothing and Mapping）：LIO-SAM是一个基于激光雷达和IMU的SLAM算法，可以进行实时的机器人定位和地图构建。LIO-SAM将激光雷达和IMU的数据进行紧耦合，实现了更高的定位精度和鲁棒性。LIO-SAM的代码已经在GitHub上公开，可以进行免费的下载和使用。 2. LINS（Lidar-Inertial State Estimation）：LINS是另一个基于激光雷达和IMU的SLAM算法，可以进行实时的机器人定位和地图构建。LINS将激光雷达和IMU的数据进行紧耦合，并使用扩展卡尔曼滤波器进行状态估计。LINS的代码也已经在GitHub上公开，可以进行免费的下载和使用。 这些算法都已经在机器人领域得到了广泛的应用，具有较高的可靠性和精度。但需要注意的是，这些算法需要较高的计算资源和较复杂的参数调整，需要有一定的技术门槛才能使用。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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