目录
初步了解SLAM
全称:
Simultaneous Localization and Mapping同时定位核建图。
是一种在未知环境中,通过感知数据进行自主定位核地图构建的算法。
主要步骤:
- 数据获取:通过传感器(如激光雷达、相机等)获取环境信息;
- 特征提取:从传感器数据中提取出特征点或特征描述子;
- 数据关联:将当前帧的特征与地图中已有的特征进行匹配,确定当前位置;
- 位姿估计:根据数据关联结果,估计机器人的当前位姿;
- 地图更新:将新的特征点加入地图,并更新地图的拓扑结构;
- 循环检测:检测并处理可能存在的闭环,提高定位和地图的准确性;
- 优化调整:通过优化算法对位姿和地图进行调整,提高整体一致性;
- 运动预测:根据历史数据预测机器人的运动,为下一步定位提供参数。
多趟建图Multi-pass Mapping
指通过多次遍历和扫描同一区域,收集多个数据集,以提高地图的精度和细节。
这种方法通过综合多个数据来源,可以减少单次扫描可能出现的误差和遗漏。
优点:
提高精度:多次扫描同一区域可以捕捉更多的细节,修正单次扫描中的误差
数据融合:融合多次扫描的数据,可以生成更加准确和详细的地图;
冗余数据:提供冗余数据以确保在某些数据丢失或错误时,依然可以生成可靠的地图。
重定位Relocalization
定义:在已知地图中重新确定当前的精确位置。通常在设备失去定位信息或进入未知区域后,需要重新确定其在地图中的位置。
总结:
多趟建图通过多次遍历和数据融合来提高地图的精度和详细程度,而重定位则是在已知地图中重新确定位置,以确保定位的准确性和连续性。