无人机slam定位算法调研

1.相关博客，知乎，网页

1.室内无源定位—激光SLAM在无人机上的飞行测试

2.高速飞行的无人机用SLAM怎样导航

3.【泡泡图灵智库】面向无人机的高效双目SLAM

2.相关论文

无人机景象匹配视觉导航技术综述

四旋翼无人机

四旋翼无人机实现飞行控制、避障、路径规划以及抓取等各种复杂任务的基础和前提是可以准确的定位。目前应用较多的定位方法有三类:一类是基于外部设备提供精确的位置信息, 主要包括GPS和运动捕捉，一类是光流法进行飞行导航和壁障, 通过光流算法对机器人进行视觉运动测量和相对运动感知，另一类是基于四旋翼无人机自身对环境进行同步定位与制图 (SLAM) , 是通过传感器还原环境概况并同时定位自身在地图中的位置来实现导航。
其中在室外，GPS+IMU为主流算法，得到了较为广泛的应用。而光流法只能确定相对位姿移动，无法确定绝对位置，所以一般用来作室内稳定悬停。SLAM方法需要实时构建地图，分为基于激光雷达的激光slam和基于单目，双目或RGBD相机的视觉slam，在室内定位的场景下，已经有了很多相关的研究，但是在商用无人机的应用上还应用的不多。
基于视觉slam方法里面，又有基于VO(视觉里程计)和VIO(惯性视觉里程计)的，基于VO的方法中，在无人机上应用比较多的框架是SVO。这是苏黎世大学Scaramuzza教授的实验室，在2014年发表的一种视觉里程计算法。该方法在飞行实验中跟踪了84 m距离后位置误差仍然控制在±0.1 m以内。速度可以到达上百帧每秒，是目前视觉slam中比较适用于无人机上的一种方法。
而在基于VIO的方法中，香港科技大学开源了一个VIO算法名字是VINS-Mono，是用紧耦合方法实现的，通过单目+IMU恢复出尺度，效果非常棒。

INS/GPS组合导航系统

目前几乎所有的无人机定位导航都会采用这种组合方式。组合的优点表现在:对惯导系统可以实现惯性传感器的校准、惯导系统的空中对准、惯导系统高度通道的稳定等，从而可以有效地提高惯导系统的性能和精度;对GPS系统来说，惯导系统的辅助可以提高其跟踪卫星的能力，提高接收机动态特性和抗干扰性。另外，INS/GPS综合还可以实现GPS完整性的检测，从而提高可靠性。另外，INS/GPS组合可以实现一体化，把GPS接收机放入惯导部件中，以进一步减少系统的体积、质量和成本，便于实现惯导和GPS同步，减小非同步误差。
INS/GPS组合导航系统是目前多数无人飞行器所采用的主流自主导航技术。美国的全球鹰和捕食者无人机都是采用这种组合导航方式。

3.视觉影像匹配定位技术

无人机景象匹配导航系统如图 1 所示, 在获取目的地后通过卫片、航片进行初步的路径规划, 随后选取该规划航路上的适配区通过校正获得基准图, 再将视觉传感器获得的实时图与基准图进行匹配,实现导航与定位. 它的核心是图像匹配算法, 其性能好坏直接决定了导航系统的性能。

4.激光定位

目前主流的激光slam方法有三种，分别是gmapping，Hector slam，Cartographer。

其中gmapping依赖里程计（odometry），无法适用无人机及地面小车不平坦区域；这里暂不讨论

Hector slam:
优点:
不需要使用里程计，所以使得空中无人机及地面小车在不平坦区域建图存在运用的可行性；利用已经获得的地图对激光束点阵进行优化, 估计激光点在地图的表示,和占据网格的概率；利用高斯牛顿方法解决scan-matching 问题，获得激光点集映射到已有地图的刚体变换（x,y,theta）；为避免局部最小而非全局最优，使用多分辨率地图；导航中的状态估计加入惯性测量系统（IMU）
缺点:
需要雷达（LRS）的更新频率较高，测量噪声小。所以在制图过程中，需要robot速度控制在比较低的情况下，建图效果才会比较理想，这也是它没有回环（loop close）的一个后遗症；且在里程计数据比较精确的时候，无法有效利用里程计信息。
Hectorslam是无后端的,更适合以定位为重点的应用。

Cartographer:
优点:
累计误差较前两种算法低，能天然的输出协方差矩阵，后端优化的输入项。成本较低的雷达也能跑出不错的效果。
缺点:
代码极耗cpu，在无人机上测试:
定位飘移，在无人机悬停不动的情况下，会有大概一分米的左右摇晃
定位错误，在快速移动和大角度倾斜的时候会出现匹配错误，坐标狂飙10m以上（在融合了imu的情况下）
效率太低，比如在我们的Alice飞控板卡上跑cartographer时常达到400%的cpu负载（一个核是100%）
通讯受阻，在高CPU负载的情况下，ros系统的topic基本就全挂啦

Cartographer是有后端的slam算法，更适用于以建图为重点的应用

总的来说，在无人机上应用激光雷达进行slam的创新点不太多，大多还是应用主流的开源框架，或在其上加一些小的改动，没有非常有代表性的专门适用于无人机的激光定位方法。
而在商业无人机中，如大疆的精灵系列等，基本都是用视觉，如光流+IMU，视觉里程计VO+IMU等方案，这可能是考虑到了激光雷达的功耗重量等问题。

引用

2D激光SLAM算法比较+cartographer
如何看待谷歌在 10 月 6 日开源的 SLAM 算法 cartographer？