建立地图专栏之五：3D激光雷达构建特征点云地图介绍

已于 2024-11-06 23:42:13 修改
阅读量5.2k 收藏 48
点赞数 6
分类专栏： # 地图mapping 定位、地图建立、地图管理SLAM合集 机器人/自动驾驶导航算法篇 文章标签： 3d 自动驾驶 人工智能 算法
于 2021-10-26 22:33:23 首次发布
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/qq_35635374/article/details/120981832
版权
本文介绍了3D激光雷达在特征点云地图构建中的重要性，涵盖数据采集、处理、特征提取、地图构建与优化等方面。3D激光SLAM涉及的关键技术包括3D激光里程计、帧间匹配和回环检测，以及各种算法如ICP、NDT、LOAM等。此外，文章讨论了3D激光SLAM在自动驾驶和机器人导航等领域的应用及其技术挑战和发展趋势。
摘要由CSDN通过智能技术生成

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

前言

在这里插入图片描述
机器人地图建立相关教程及博客请关注专栏：
https://blog.csdn.net/qq_35635374/article/details/138199063

传感器、定位、地图合集（这个比较全面）：
https://blog.csdn.net/qq_35635374/article/details/142864509

本文先对3D激光雷达地图构建介绍做个简单的介绍，具体内容后续再更，其他模

了解本专栏 订阅专栏 解锁全文 超级会员免费看
盒子君~
关注
专栏目录
订阅专栏
3D点云地图
道亦无名
10-10 597
定义：3D点云地图是由三维空间中一系列离散的三维坐标点组成的集合，这些点通常通过对实际物体或场景进行采样获得，如通过激光雷达扫描、摄像机视觉等方式。特点高度灵活性：点云可以用于表示任何类型的三维形状，包括不规则形状。详细性：能够提供丰富的空间信息，包括形状、大小、位置等。真实性：通过实际测量获得，具有较高的真实性和准确性。
无人驾驶汽车系统入门（二十六）——基于深度学习的实时激光雷达点云目标检测及ROS实现
热门推荐
AdamShan的博客
10-30 4万+
无人驾驶汽车系统入门（二十六）——基于深度学习的实时激光雷达点云目标检测及ROS实现 在前两篇文章中，我们使用PCL实现了在点云中对地面的过滤和点云的分割聚类，通常来说，在这两步以后我们将对分割出来的对象进行特征提取，紧接着我们训练一个分类器实现对这些对象的分类，这是一种基于激光雷达的目标检测方法。近年来，随着深度学习在图像视觉领域的发展，一类基于单纯的深度学习模型的点云目标检测方法被提出和应用...
基于激光雷达构建高精度点云地图及其感知定位
qq_21001471的博客
03-31 1万+
目前，前期大多数自动驾驶公司采用高精度惯导（imu+gnss+rtk）来实现高精度定位，但存在应用场景缺陷，无法应用隧道、高楼、林阴路等非开阔场景。所以感知定位方式应运而生，感知定位方式大多分为两种：视觉定位、激光雷达定位，本文将采用激光雷达定位方式。 硬件 现在市面上激光雷达很多种：velodyne、速腾、禾赛、北科天绘。低成本考虑，本文将采用velodyne vlp-16...
ORB-SLAM2：基于可识别特征的自主导航与地图构建
Taylor Guo
02-03 1万+
2016年2月3日 mono-SLAM的最新版本是ORB_SLAM2. ORB-SLAM2最新版是2016年1月发布的比较完备的SLAM算法库，针对单目、立体、RGB-D摄像头，具有实时闭环检测，重定位特点。ORB全称是Oriented FAST and Rotated BRIEF，指的是一种旋转不变性特征，整个算法均是基于ORB特征实现的，不同于基于稠密或半稠密地图的SLAM, ORB-SL
ubuntu20 autoware+carla联合仿真（一）通过激光雷达制作点云地图
蛇皮怪皮蛇的博客
07-29 8839
autoware+carla+carla ros bridge联合仿真序言环境要求闲聊致谢rosbag构建点云地图1. 打开carla1.打开carla服务端2.打开 carla ros bridge3.检查rostopic【重要】3.检查激光雷达信息2. 打开autoware3.开启信息转发3.1 开启信息转发3.2 检查信息转发效果方法一：终端命令检查方法二：autoware自带的功能检查4.录制rosbag（可选）附注录制rosbag开始瞎跑5.构建点云地图1. 播放激光点云数据1.1 rosbag操
激光点云构建地图（一）生成点云地图
Ophelia_Guo的博客
07-16 4424
环境配置 1、Ubuntu 18.04 2、ROS melodic 安装教程：https://blog.csdn.net/qq_41501557/article/details/109764434 学习LeGO-LOAM算法 跟着知乎上的大牛将LeGO-LOAM算法跑了一遍 LeGO-LOAM分析之点云分割（一） 1、保存论文和代码 2、 ...
建立地图专栏之四：构建特征点云地图--2D激光雷达地图构建介绍
qq_35635374的博客
10-26 2677
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、2D激光SLAM的介绍1.主要应用领域2.2D激光SLAM的输入3.2D激光SLAM的输出二、2D激光SLAM的关键技术1.2D激光SLAM的后端回环检测方法（1）功能（2）后端回环检测类型三、2D激光SLAM建图算法的发展1.基于滤波器的方法建图【比较不流行了，但原理基础很重要】（1）基于滤波器Filter-based的SLAM算法发展历程（2）FastSLAM算法的介绍（3
建立地图专栏之5.1：正态分布变换（NDT）定位及建图（依赖高精度点云地图和三维激光雷达的定位方案）
qq_35635374的博客
12-08 3544
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、正态分布变换（NDT）定位解决的主要问题二、正态分布变换（NDT）定位的核心思想三、NDT算法流程1.多元正态分布概念2.网格化并计算正态分布参数3.变换参数和最大似然四、使用C++实现NDT配准参考资料 前言 认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！ 本文先对依赖高精度地图和激光雷达的定位技术–正态分布变换（NDT）定位做个简单的介绍，具体
建立地图专栏之二：地图SLAM构建基础理解
qq_35635374的博客
10-26 1017
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、地图的重要性二、SLAM应用场景三、SLAM构建地图的过程比喻1.SLAM过程比喻（请把非括号的内容连起来读）2.高精地图的构建包含五个过程四、SLAM的实现要解决的问题1.SLAM问题的数学描述【即状态估计问题】2.在给定传感器数据的情况下，同时得到一个环境的地图（建图）和机器人的定位（位姿信息）【估计机器人的定位轨迹+建立正确的地图】五、SLAM传感器的使用【用于获取点云、
建立地图专栏之三：构建地图准备
qq_35635374的博客
10-26 464
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、激光传感器的选型与地图构建的选型问题二、点云处理1.从话题中读取点云2.PCL库处理点云 前言 认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！ 本文先对构建地图准备做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章 提示：以下是本篇文章正文内容 一、激光传感器的选型与地图构建的选型问题 室外建图一般不用二维雷达，室外建图要用三维雷达建
2D激光雷达局部地图SLAM
09-30
2D激光雷达局部地图构建和机器人定位，可以直接执行，亲测可行
三维点云语义地图 & TSDF
weixin_43729123的博客
09-15 2834
三维语义地图
RIKIBOT-FX4多线激光雷达与LIO-SAM算法构建三维地图
风野萧萧
12-17 1905
前面几篇文章介绍了多线激光雷达转单线，多线激光雷达用cartographer算法构建3D地图，这里介绍用LIO-SAM构建高精度三维地图
查看loam的三维点云地图
u013630299的博客
01-27 3989
roslaunch loam_velodyne loam_velodyne.launch rosbag record -o out /velodyne_points rosbag play nsh_indoor_outdoor.bag 最后会记录一个名为out_(记录时间)的.bag包 然后将.bag包转化为 .pcd文件 rosrun pcl_ros bag_to_pcd  out_....
cartographer实时显示三维点云地图
李想的博客
09-14 3261
cartographer不能实时显示三维点云地图, 这是大家公认的cartographer 3d建图的弊端. 这篇文章就带着大家将cartographer三维地图显示出来. 这部分的代码已经开源在 https://github.com/xiangli0608/cartographer_detailed_comments_ws 1 需要的数据 既然想要显示三维点云地图, 就必须要有每帧数据的点云, 以及这帧点云经过后端优化后的坐标, 这2个数据. 通过阅读代码可知, cartographer中前端是不保存点云
激光雷达SLAM三维建图、点云算法 点云处理
最新发布
KLP14的博客
09-25 1114
本文介绍了一种基于激光雷达SLAM技术的3D云台激光扫描系统，阐述了其工作原理、点云算法与点云处理的实现过程。通过精密的同步云台将二维激光雷达的测量数据与雷达的实时角度数据融合，再进行点云处理算法还原成三维点云图像。本文将围绕一种基于激光雷达SLAM技术的3D云台激光扫描系统，阐述点云算法与点云处理的核心技术，分析其创新性，并探讨在矿业、冶金、建筑、运输等多个行业的应用。本3D激光扫描平台在技术上的创新之处在于：首先，采用了高精度的单轴云台和二维激光雷达，能够在大型场景下获取高精度的点云轮廓。
【SLAM基础】地图类型：点云地图、栅格地图
欢迎时常光顾我的干货超市，热衷于AIoT！！
05-15 9232
一、点云地图； 二、栅格地图； 2.1二维占据栅格地图 2.2三维占据栅格地图 2.3 维高程栅格地图
A-LOAM构建3d点云地图并实时转存二维栅格地图
qq_43353179的博客
11-17 6858
文章参考 A-LOAM/LOAM/Lego-LOAM/SC_Lego_LOAM实时构建3d点云地图与2d栅格地图（octomap） 1 安装 octomap 可以从 apt 安装或者以功能包的形式安装 2 编写 octomap_server_test.launch 文件 <launch> <node pkg="octomap_server" type="octomap_server_node" name="octomap_server"> <!--resol
评论 1
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

打赏作者

盒子君~

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