各类开源slam算法比较

Cartographer是基于图优化的方法建图算法,它与Karto都是图优化框架,但有诸多不同,例如Karto采取的是spa图优化方法,而Cartographer采用的是google的ceres构建problem优化,Karto的前后端是单线程进行,而cartographer采取的是多线程后端优化。而Cartographer也支持多传感器融合建图,可以处理来自激光雷达、IMU、里程计等传感器的数据并给予这些数据进行地图的构建。

 

karto salm是基于图优化的方法,图优化方法利用图的均值表示地图,每个节点表示机器人轨迹的一个位置点和传感器测量数据集,箭头的指向的连接表示连续机器人位置点的运动,每个新节点加入,地图就会依据空间中的节点箭头的约束进行计算更新。karto slam需要里程计和激光雷达数据。karto建图也是使用激光雷达数据来创建环境的栅格地图,当机器人慢速移动时,karto建图是优于gmapping建图的。karto建图方式不同于gmapping,是基于图优化的,一上来不会看到一大片。

 

hector功能包使用高斯牛顿方法,不需要里程计数据,只根据激光信息便可构建地图。因此,该功能包可以很好地在空中机器人、手持构图设备及特种机器人中运行。 hector算法结合了鲁棒性较好的扫描匹配方法,不需要里程计,但对于雷达帧率一般要求高于20HZ,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。由于hector算法对雷达帧率要求较高,机器人搭载的激光

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

kobesdu

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
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