激光slam：3激光的前端配准算法

最新推荐文章于 2023-05-15 22:02:07 发布
最新推荐文章于 2023-05-15 22:02:07 发布
阅读量306 收藏
点赞数 1
分类专栏： 激光slam 文章标签： slam
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/lievech/article/details/115654389
版权

激光slam：3激光的前端配准算法

课程内容

在这里插入图片描述

ICP匹配方法

1.ICP介绍
在这里插入图片描述

在这里插入图片描述

2.已知对应点的求解
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

3.未知对应点的求解

在这里插入图片描述

EM算法是非线性MLE的工具
ICP的缺点是由于激光点是离散的，前后两帧打到的可能不是同一个物体。

PI-ICP方法

在这里插入图片描述

这里是引用

在这里插入图片描述

基于优化的方法

在这里插入图片描述

基于优化的匹配方法（梯度优化）：hector(高斯牛顿)和cartographer(ceres)

1.介绍
在这里插入图片描述

T=在这里插入图片描述

求梯度，而地图、似然场均栅格化，离散，于是可以对地图进行插值。

2.求解
在这里插入图片描述

Si(T)是线性的，可以对其求导
M（Si(T)）是非线性的，对其求导结果未知

在这里插入图片描述

在这里插入图片描述

这里是引用
这里是引用

3.双线性插值
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

相关匹配与分枝定界加速

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

lievech
关注
专栏目录
建立地图专栏之五：3D激光雷达构建特征点云地图介绍
qq_35635374的博客
10-26 5048
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 TODO:写完再整理 文章目录系列文章目录前言一、3D激光SLAM的介绍1.地图形式2.主要应用领域3.3D激光SLAM的输入4.3D激光SLAM的输出二、3D激光SLAM的关键技术1.3D激光里程计【作为一个3d建图前端存在的】1. 激光雷达传感器原理2.3D激光里程计里程计整体流程介绍3. 前端里程计方案（1）基于直接匹配的方案1）点到点ICP系列2）NDT系列（2）基于特征的方案1）LOAM系列2）A-LOAM系列3）F
2021年十大开源SLAM算法整理
qq_58060770的博客
10-14 1544
2021年十大开源SLAM算法整理
深蓝激光slam理论与实践-第四节笔记（激光slam的前端配准方法）
weixin_46417419的博客
09-19 210
PL-ICP的原理：激光的离散导致激光前后两帧打到的不是同一物理实体，或是同一个实体的不同部位，总之它们在空间中对应的不是同一个点，然后通过匹配算法PP-ICP强行对准相邻的任意点，那么自然会引入误差（点与点进行了匹配），PL-ICP发现这个问题后，通过点与该点相邻两点的连线进行匹配，即pj1与piw线段(向量)到pj1与pj2法向量上的投影。
激光SLAM的前端配准算法
weixin_46777885的博客
05-16 1226
四、激光的前端配准算法 Tracking , 激光slam里为 帧间匹配算法 帧间匹配算法 ---- map和scan匹配，不一定是前后两帧。 1、ICP匹配方法 2、PL-ICP匹配方法 3、基于优化的匹配方法 Hectorslam , cartographer 4、相关匹配方法及分支定界加速 暴力匹配 CSM correlation 目的 给定两个点云集合: 𝑋 = {𝑥1, 𝑥2, ⋯ , 𝑥𝑁𝑥} 𝑃 = {𝑝1, 𝑝2, ⋯ , 𝑝𝑁𝑝} X和P为 图中黄色和白色形成的点云集
激光SLAM--(4)前端配准方法
qq_42692305的博客
10-09 654
激光SLAM--(4)前端配准方法
激光SLAM入门笔记(五):前端配准 II
u010507357的博客
09-11 988
前端配准 II1.爬山法(拟梯度法)1.1 示意图1.2 基本思想1.3 得分函数定义1.4 算法流程1.5 伪代码2.高斯牛顿优化方法2.1 示意图2.2 数学描述2.3 优化方法的求解2.4 地图插值2.4.1 拉格朗日插值2.4.2 进行地图插值直接求简化求2.4.3 用插值函数对坐标求导3.NDT方法4.相关匹配方法及分支定界加速 内容基于深蓝学院课件，如有错误，烦请斧正，不胜感激。 1.爬山法(拟梯度法) 1.1 示意图 1.2 基本思想 搜索方向固定(只在有限的几个方向中选取，平移8个，旋
激光SLAM入门笔记(四):前端配准 I
u010507357的博客
08-28 1005
前端配准 I1.ICP目的数学表述求解方法已知对应点步骤推导未知对应点2.PL-ICP3.NICP4.IMLS-ICP 内容基于深蓝学院课件，如有错误，烦请斧正，不胜感激。 1.ICP 属于point-to-point ICP，掌握思想。 目的 求解两坨点云之间的转换关系。 数学表述 给定两坨点云 X={x1,x2,...,xN}P={p1,p2,...,pN} X=\{x_1,x_2,...,x_{N}\} \\ P=\{p_1,p_2,...,p_{N}\} X={x1​,x2​,...,xN​}P=
激光SLAM理论与实践(四)--激光SLAM的前端配准方法
weixin_43619346的博客
06-10 749
本章主要介绍激光SLAM的前端配准方法。 主要从以下几个具体的方法来介绍： 首先就是最基础最简单的ICP方法： 有关ICP方法的相关介绍网上有很多，具体的可以参考以下几篇博客： ...
激光slam前端ICP
最新发布
08-31
- *1* *3* [激光SLAM的前端配准算法](https://blog.csdn.net/weixin_46777885/article/details/124793241)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_...
激光slam理论与实践
热门推荐
qq_29230261的博客
10-22 1万+
本篇是记录曾书格老师的课程《激光slam理论与实践》 先贴一下个人总结（有理解的不正确的，麻烦指出来）： 第一章：激光SLAM简要介绍 1、输出Metrical map尺度地图，slam分为两种：基于滤波的 filter-based 的SLAM，和Graph-based的SLAM。 2、 （1）基于Graph-based的代表是cartographer，可以修复 t 时刻之前的误差分...
三维激光扫描点云配准
05-19
很好的学习点云配准的资料，这里是经典ICP算法的代码
激光的前端配准算法
To be a better man
03-28 570
激光的前端配准算法1、ICP 匹配算法2、PL-ICP匹配算法基于优化的匹配方法相关匹配方法及分支定界加速 在SLAM形成回环之前，是一个LO算法。 视觉可以通过特征描述符feature descriptor来判断两副图像是否是同一副图像，但是对激光来说没什么太大的区别。 框太大，计算量大，可区分性低，形成错误的回环。 基本上来说，前端配准越好，后面的效果也越好 并不一定是前后两帧进行匹配，也有可能是前n帧形成的submap跟当前n+1帧进行匹配，所以叫 map 2 scan。 1、ICP 匹配算法 2帧
激光SLAM前端数据处理总结（过滤坏点）
qq_39607707的博客
03-21 323
文章目录一、距离处理去除掉非常近的点。测试 一、距离处理 去除掉非常近的点。 /* 函数功能 ：移除 过 近 的 点 可输入 cloud_in = cloud_out 这样就是处理一个点云，自身发生处理 参数1 输入点云 参数2 输出点云 参数3 阈值：距离 已通过测试 time 2020.6.28 jone */ template <typename PointT> //模板点云类型 可以适应各类pcl的点云类型 void removeClosedPointC
激光雷达SLAM激光的前端配准算法
auteman_dan的博客
07-07 391
激光雷达SLAM激光的前端配准算法ICP匹配方法两组三维点集的最小二乘拟合PL-ICP匹配方法 ICP匹配方法 两组三维点集的最小二乘拟合 给定两个三维点集： {xi}={x1,x2,…,xN}{pi}={p1,p2,…,pN} \{x_i\} = \{x_1, x_2, \dots, x_{N}\} \\ \{p_i\} = \{p_1, p_2, \dots, p_{N}\} {xi​}={x1​,x2​,…,xN​}{pi​}={p1​,p2​,…,pN​} 点集{xi}\{x_i\}{xi​}和点集
激光Slam相关算法及其简介
铃灵狗的水墨书乡
02-07 2228
CSM帧匹配算法（Real-Time Correlative Scan Matching） 算法简介 通过前后两帧激光雷达数据准确的计算出当前机器人的位姿信息 算法步骤 估算出观测模型关于位姿x的概率分布，观测模型取最大值时对应的位置认为是对x最准确的估计 扩大观测模型概率结果的搜索空间，在搜索空间内计算全部位姿得分，得分最高的即是对x的最准确的估计 为了提升效率，原论文中使用了多分辨率查询表加速的策略 ...
激光slam学习日记——激光的前端配准算法
weixin_51326570的博客
03-11 868
激光slam学习日记——激光的前端配准算法 一、ICP匹配方法’ 简单回顾一下：ICP算法实际就是两个位置观测到了同一块点云，然后把其中一个位置观测到的点云用我们估计的R 、t 投影到第二个位置观测的地方，因为R 、t 是不准确的，所以会与第二个位置的观测产生误差，ICP要做的就是是这个误差尽可能的小，使得R、t 变得很准确。 这里就是先求出两块点云的中心点坐标，分别是每个点与中心点做差（这样做可使得计算量变小，同时也方便计算），然后X与P的转置想乘实际就是两个点云的位姿关系：X = T * P；然后SV
激光 2D SLAM 学习
u013794793的博客
06-11 1万+
激光 2D SLAM 本文主要介绍的是基于激光雷达的 2D SLAM，以及我最近看的粒子滤波、GMapping、Cartographer 等内容。 什么是 SLAM 图 1. cartographer 建的地图 全称 simultaneous localization and mapping，顾名思义，就是在机器人构建周围环境的地图的同时，定位它在地图中的位置。 算法的输入一般是...
slam学习2
qq_42719217的博客
05-15 213
图像配准是对不同时间、不同传感器等获取的多幅图像进行匹配、信息融合以转换到相同坐标系中的过程。与图像匹配的区别在于要对变形的图像进行旋转、平移之类的校正。图像融合：两幅图像配准后进行叠加，变成一幅大图。常用于视频集成的多幅图像连接成一幅大图像。
ROS中的激光SLAM前端配准与ICP算法解析
激光SLAM前端配准方法，尤其是ICP算法，是机器人定位与建图的关键技术，而ROS作为强大的机器人操作系统，为智能机器人和无人驾驶等领域的研发提供了便利的工具和平台。通过学习和掌握这些技术，开发者能够更好地设计...
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
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