SLAM（Simultaneous Localization and Mapping）是机器人定位与建图的关键技术。本文介绍了SLAM的必要性、处理流程和核心组成部分，包括里程计的局限性、激光雷达与声纳等传感器的作用、路标提取方法以及数据关联问题。通过实例讲解了激光雷达如何测量距离，并探讨了里程计与传感器数据同步的挑战。
初识SLAM
之前只是大概的知道SLAM概念，但是看哪部分都是糊里糊涂，偶尔在知乎上看见了有人推荐入门教程，SLAM for Dummies,英文版很好找，词汇也都还挺简单的，就看了一下，作为本人有生以来第一个博客发一下，哈哈（师兄教的，发博客还有利于自己理解和记忆，哈哈）
那个傻瓜教程介绍了很多东西，我按照自己的整理了一些
WHY SLAM
里程计Odom不准确并不能如实反映自己所在位置，误差大，就算利用雷达测出周围有东西，也不能很好mapping，所以利用EKF（扩展卡尔曼滤波），结合里程计和路标干活。
大致处理过程
SLAM包含很多部分，主要有：路标提取，数据关联，状态估计，状态更新，地标更新。处理过程大致如图：
小零件
handware硬件
- 机器人
这个不用说，没个机器人难道拿着雷达到处跑？ - ran
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
