目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】SLAM（最终篇）

目录

前言

SLAM学习方法论

语义SLAM与深度相机

SLAM-机器人

ROS

SLAM与ROS之间的关系

SLAM移动机器人的整体构造

SLAM——VEnus代码解析

1、IntensityExtraction::Extract

2、DBscanAssociation::Association

3、CartoMapping::InsertFeatureList

应用场景

应用案例

SLAM技术支持的物体6Dof位姿估计的自训练方法

一、背景

二、方法介绍

---

 

前言

SLAM是一组方法，其中机器人自主定位并在导航时同时建图环境。它可以细分为解决定位和建图。定位是一个估计机器人在地图上的姿态的问题，而地图则是借助于车辆上的视觉、视觉惯性和激光传感器来重建环境。前端处理感知任务，这涉及实现信号处理和计算机视觉领域的方法，以计算机器人环境和观察到的特征之间的估计相对局部姿态。SLAM后端使用优化理论、图论和概率论来估计全局地图和轨迹。关于SLAM方法的详细综述，可以参考[1]、[2]、[3]、[5]。

大多数SLAM算法是被动的，其中机器人被手动控制或朝向预定义的路线点行进，并且导航或路径规划算法不主动参与机器人的运动或轨迹。然而，A-SLAM试图通过提出一种导航策略来解决未知环境的最优探索问题，该导航策略生成未来目标/对象位置动作，这些动作减少了在地图和姿态中的不确定性，从而实现完全自主的导航和测绘SLAM系统。论文将在其指定的第2节中进一步了解A-SLAM。在主动协作SLAM（AC-SLAM）中，多个机器人在执行SLAM时主动协作。A-SLAM和AC-SLAM的应用领域包括搜索和救援[17]、行星观测[12]、精准农业[23]、拥挤环境中的自主导航[34]、水下探索[30][40][44]、人工智能[42]、辅助机器人[74]