Gmapping、hector、Cartographer三种激光SLAM算法简单对比

最新推荐文章于 2024-06-27 00:52:41 发布

Jeff_Lee_

最新推荐文章于 2024-06-27 00:52:41 发布

阅读量4.8w

点赞数 45

分类专栏： ROS 文章标签： ROS Cartographer Hector Gmapping

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/jeff_lee_/article/details/77869987

版权

一、Gmapping是基于粒子滤波的算法。

缺点：严重依赖里程计，无法适应无人机及地面不平坦的区域，无回环（激光SLAM很难做回环检测），大的场景，粒子较多的情况下，特别消耗资源。

源码的核心函数：processScan（）

算法框架：

① drawFromMotion()运动模型（因为有这步，所以特别依赖里程计信息）

② scanMa

最低0.47元/天解锁文章

关注

45
点赞
踩
345

收藏

觉得还不错? 一键收藏
10
评论
Gmapping、hector、Cartographer三种激光SLAM算法简单对比

一、Gmapping是基于粒子滤波的算法。缺点：严重依赖里程计，无法适应无人机及地面不平坦的区域，无回环（激光SLAM很难做回环检测），大的场景，粒子较多的情况下，特别消耗资源。二、Hector SLAM 基于优化的算法（解最小二乘问题），优缺点：不需要里程计，但对于雷达帧率要求很高40Hz，估计6自由度位姿，可以适应空中或者地面不平坦的情况。初值的选择对结果影响很大，所以要求雷达帧率较高。三、 Cartographer累计误差较前两种算法低，能天然的输出协方差矩阵，后端优化的输入项。成本较低的雷达也能
复制链接

扫一扫

专栏目录

评论 10

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。