激光SLAM-重定位方案

已于 2024-05-29 15:09:16 修改
阅读量4.5k 收藏 80
点赞数 32
分类专栏： SLAM学习笔记 文章标签： 机器人 算法
于 2024-03-12 15:34:55 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/jjjqqq123321/article/details/136653787
版权

现有的激光SLAM重定位方案：

1.FAST_LIO_LOCALIZATION
可以基于Fast-lio构建的地图中进行重定位，初始定位可以通过RVIZ的粗略手动估计来提供，也可以通过其他传感器/算法进行姿态定位。

https://github.com/HViktorTsoi/FAST_LIO_LOCALIZATION

2.LIO-SAM_based_relocalization
可以在构建的地图中重新定位的简单版本的系统，该系统基于LIO-SAM原始版本，不带回环，初始定位也是通过Rviz的粗略手动估计完成。

GitHub - Gaochao-hit/LIO-SAM_based_relocalization: A simple system that can relocalize a robot on a built map is developed in this system. The system is based on LIO-SAM.

3.Livox-Localization

最低0.47元/天 解锁文章
工程化中的重定位技术点
weixin_43802726的博客
05-21 568
视觉slam辅助重定位，在一些特殊场景中，如存在相似重复场景的地图和长走廊等可以导致2d匹配退化(指任何位置都能得到很高的匹配得分，导致结果不唯一)的场景，一般需要对场景进行判断，如果无法通过2d匹配方法进行重定位则需要视觉重定位找回。桩上重定位，通过充电桩在地图中的位置，将充电桩位置发送给机器，同时发布全局地图，不需要机器做任何位置计算和运动，直接接收重定位位置点和地图的方式，通常用于位置找回。手动重定位，是指手动触发的重定位，手动推到地图中的某一位置，手动指定初始位姿，主动引导机器做的重定位。
《提高重定位准确度的激光SLAM算法改进与实验验证：Cartographer算法在五千平方车库中的应用》
RTyuyka的博客
04-22 1032
本文提出了一种增强重定位的Cartographer算法，通过改进Cartographer算法中的重定位过程，显著降低了重定位耗时时间，并在五千平方车库进行了实验验证。然而，在重定位过程中，传统的激光SLAM算法存在时间耗时较长的问题，限制了其在实际场景中的应用。为了提高重定位的效率和准确性，本文提出了一种增强重定位的Cartographer算法，并进行了实验验证。在特征提取与匹配阶段，我们采用了基于特征点的匹配算法，通过提取激光数据中的特征点，并与预先建立的地图特征进行匹配，以实现车辆的定位和重定位。
激光SLAM简介
kk521_1314的博客
02-19 1416
传感器—>传感器数据处理—>前段匹配 —>回环检测 —>后端优化 —>地图构建。
激光slam算法改进提出了一种增强重定位的cartographer算法
rODtDpzD的博客
10-27 1933
目前，Cartographer算法是激光SLAM中常用的算法之一，其基于优化的方式，通过建图、定位和回环检测等过程实现了高精度的机器人自主导航。本文提出了一种增强重定位的Cartographer算法，通过对地图中的关键位置进行提前计算和预处理，减小了定位和回环检测的计算复杂度，大大提高了机器人的自主导航效率。同时，在增强重定位后，机器人的重定位耗时时间大大减小，提高了机器人的自主导航效率。具体来说，通过对地图中的关键位置进行提前计算和预处理，减小了定位和回环检测的计算复杂度，从而大幅度降低了重定位的耗时。
GNSS解析代码以及slam结果重定位
07-01
GNSS解析代码。并且能够利用slam结果做坐标的归一化，实现用的vins，也有orb版本的很好用，直接ros读入
SLAM总结（五）-视觉重定位、闭环检测和全局定位
热门推荐
weixin_41245988的博客
05-09 1万+
闭环检测 5、 闭环检测、全局优化、局部优化和位姿跟踪之间如何在不同频率之间协调：闭环检测和全局优化，局部优化都是为了减小漂移，保持全局一致，而跟踪只跟踪前一帧或几帧，只负责当前帧与之前帧的漂移，即局部一致 将后端优化结果传到前端的方法，前端相当于可以一直存在漂移，但相对位姿是准确的，后端结果不传不影响前端的工作，但后端拿到有漂移的结果需要先校正再用，否则优化也就没意义了 ...
3.6ORB-SLAM3之重定位Relocalization
超爱吃小蛋糕的66的博客
01-30 2980
MLPNP的核心思想是对于每一个3D空间点，连接空间点到相机光心可以得到一个法向量v，以及在切平面对应的一组正交基[r,s],然后将2D-3D点的投影匹配转换为使用正交基之间进行计算。
ORBSLAM—重定位(一)
NEU-LC的博客
09-03 1517
ORBSLAM—重定位 文章与公众号“SLAM源码之路”同步推送，扫描文后二维码关注。 变量含义： mCurrentFrame: 当前帧 Frame类 vpCandidateKFs: 存储与当前帧相似的候选关键帧容器 vector<KeyFrame*> nKFs: 候选关键帧的数量 vpPnPsolvers: 当前帧与候选关键帧的pnp求解器容器 vpPnPsolvers 记录每一个候选关键帧的mappoint。 类型：vector<vector<MapPo
2d激光重定位系列（一）AMCL：算法&源码&参数 相关资源整合
Numberors的博客
03-11 3850
2d激光重定位目前常用的开源方案是**amcl、cartographer、robot_location**等，同时还有**icp**等scan-map match的方法。综合来说，amcl相对而言实际部署起来较为稳定，如果是cartographer、icp一类的scan-map match的方法某些情况下会发生跳变位姿很难快速自动修正回来。这篇博客会整理一些关于AMCL资源并写一下自己的看法，希望能和大家交流。 ...
基于ROS平台的激光雷达Slam-GMapping的重定位方法研究
07-01
综上所述，基于ROS平台的激光雷达SLAM-GMapping重定位技术通过RBPF粒子滤波算法实现了高精度的机器人定位，解决了传统方法中地图构建模糊、定位误差大的问题，提高了整体的导航性能。这一技术在AGV小车、服务机器人...
2d激光slam的改进方案探索
weixin_43802726的博客
04-29 706
针对这些问题，做一些改进探索。有因为地图切换错误之后进行重定位导致的叠图，会把重定位结果更新到地图上，改善方案是增加视觉重定位功能，提高鲁棒性。重定位失败，其原因经常是地图与环境不匹配导致或者地图被污染，改善方案可以准备多张地图，依次进行匹配定位，并且每天定时检查或更新地图，备份地图，新旧做地图比对。在使用过程中会出现各种各样的问题，常见问题有叠图，穿虚拟墙，定位跳变，定位丢失，重定位失败，梯控定位不准确，定位偏差导致碰撞，任务中断，全局优化不准确导致叠图等问题，传感器数据阻塞或跳变导致定位丢失。
基于高效回环检测和重定位的SLAM算法
01-12
同步定位与地图构建(SLAM)已在各个领域得到广泛应用,其算法越来越成熟,系统也趋于稳定,但仍存在许多问题亟待解决.其中SLAM系统的精度和效率一直是主要问题,集中表现在关键帧提取困难、回环检测过程中回环位置难以确定、跟踪性能差等.对此,提出一种基于旋转度的关键帧提取算法和一种基于历史模型的差异性回环检测算法.实验结果表明,利用所提出的改进算法,回环检测的效率和重定位的成功率都得到明显提高,系统的鲁棒性更强,跟踪性能更好.
激光SLAM领域Cartographer算法重定位优化及其应用
最新发布
04-26
内容概要：本文详细介绍了针对激光SLAM中Cartographer算法重定位部分所做的改进措施。作者指出传统Cartographer算法在重定位方面存在效率低下的问题，尤其是在复杂环境中。为此，提出了多项创新性的解决方案，包括但...
SLAM-MATLAB-code.zip_EKF_QXDK_fastslam_matlab slam_slam和matlab
07-14
SLAM（Simultaneous Localization and Mapping，同时定位与建图）是机器人领域中的关键技术...通过深入理解和修改这些代码，你可以更好地理解EKF和FastSLAM的工作原理，并可能开发出适用于特定应用场景的SLAM解决方案。
ORB-SLAM中的重定位解读及追踪
Welcome to the Western World
05-29 8289
我们以ORBSLAM中的重定位举例，来分析重定位的过程。当跟踪失败的时候，系统会启动重定位。 找出一些候选关键帧，对每个候选关键帧，用ransac和EPNP估计位姿，然后更新当前帧的地图点匹配，然后优化位姿，如果内点较少，则通过投影的方式对之前未匹配的点进行匹配，再进行优化求解，直到有足够的内点支持，重定位完成。　　　 下面简要梳理重定位的过程—— 用关键帧库的DetectRel...
蒙特卡洛粒子滤波定位算法_AMCL--自适应蒙特卡洛定位
weixin_42537919的博客
01-06 2125
AMCL(adaptive Monte Carlo Localization)自适应蒙特卡洛定位，A也可以理解为augmented，是机器人在二维移动过程中概率定位系统，采用粒子滤波器来跟踪已经知道的地图中机器人位姿，对于大范围的局部定位问题工作良好。对机器人的定位是非常重要的，因为若无法正确定位机器人当前位置，那么基于错误的起始点来进行后面规划的到达目的地的路径必定也是错误的。蒙特卡洛：是一种思...
OA-SLAM：在视觉SLAM中利用对象进行相机重新定位
CV_Autobot的博客
12-03 1450
作者|鱼肖浓 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/587010197点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【SLAM】技术交流群后台回复【SLAM综述】获取视觉SLAM、激光SLAM、RGBD-SLAM等多篇综述！Motivations:用粗略模型(长方体或椭球体)表示的对象可能不够精确，无法改...
SLAM BOW词袋重定位
weixin_44492024的博客
06-17 1946
visual bag of words 词袋用于SLAM重定位DBOWBinary featuresImage databaseLoop detectionA. Data base queryB. Matching groupingC. Temporal consistencyD. Efficient geometrical consistency结果分析ORBSLAM2 中的Relocaliza...
ORB-SLAM之Relocalization，SLAM重定位流程
mxs30443的专栏
04-19 1万+
Relocalization: 1、首先计算当前帧的BOW 2、挑选候选关键帧： （1）、先挑选出和当前帧共享了词节点的所有关键（哪怕只共享了一个） （2）、计算出一个关键帧共享词节点最大的数量，然后将共享词节点最小阈值设置为最大数量的0.8，筛掉不满足数量的关键帧 （3）、计算剩下关键帧和当前帧的BOW相似性得分 （4）、返回所有满足最高得分的0.75的关键帧 3、逐个比较
激光雷达slam 重定位
01-09
### 激光雷达SLAM重定位算法及实现方法 #### 1. 增强重定位的Cartographer算法 一种增强重定位的方法是在现有Cartographer算法基础上进行了改进。该方法特别适用于大规模环境中，如五千平方米的地下车库场景中的应用测试显示，改进后的算法能够显著减少重定位所需的时间至3.35秒[^3]。 ```cpp // 示例代码片段展示如何调用Cartographer库函数进行初始化设置 #include "cartographer/mapping_2d/sparse_pose_graph.h" ... SparsePoseGraphOptions options; options.set_optimize_every_n_scans(80); sparse_pose_graph_.reset(new SparsePoseGraph(options)); ``` #### 2. FAST_LIO_LOCALIZATION 方案 FAST_LIO_LOCALIZATION 是另一种有效的激光SLAM重定位方案。此方案允许利用先前通过Fast-LIO创建的地图来进行精确定位。对于初次进入未知区域的情况，可以通过RVIZ界面给予一个大致的位置估算作为起始条件；当然也支持借助其他类型的传感设备或是外部定位服务来获取更精确的姿态信息[^4]。 ```bash # 启动FAST_LIO_LOCALIZATION节点命令行示例 roslaunch fast_lio_localization start_relocalization.launch map_file:=/path/to/map.pcd initial_guess_x:=0 initial_guess_y:=0 initial_guess_yaw:=0 ```
评论
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

打赏作者

Jiqiang_z

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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