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
机器人定位相关教程及博客请关注专栏:
https://blog.csdn.net/qq_35635374/article/details/138199360
本文先对机器人定位导读做个简单的介绍,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、机器人中常见的定位技术介绍
在现代导航与定位技术中,我们通常采用多种理论和方法来实现精确的位置估计。这些方法大体上可以归纳为基于地图的定位、基于滤波器融合的定位以及基于图优化的定位。
https://blog.csdn.net/qq_35635374/article/details/131841432
https://blog.csdn.net/qq_35635374/article/details/120958108
直方图定位原理
直方图定位是一种基于概率的方法,它通过对状态空间进行离散化处理来实现定位。
https://blog.csdn.net/qq_35635374/article/details/138793299
二、gnss、rtk定位原理
GNSS(全球导航卫星系统)定位基于从多颗卫星接收的信号,而RTK(实时动态差分技术)则是一种提高GNSS定位精度的方法
https://blog.csdn.net/qq_35635374/article/details/124555256
三、【依赖二维激光雷达与全局地图的定位算法】amcl(蒙特卡洛)粒子滤波定位算法
AMCL(自适应蒙特卡洛定位)是一种基于粒子滤波器的概率定位系统,广泛应用于机器人在二维环境中的定位。介绍amcl(蒙特卡洛)粒子滤波定位算法,包括蒙特卡罗方法原理、amcl定位节点的订阅与发布、amcl定位功能包用法、amcl定位程序源码、处理amcl全局定位失败的工程经验等等
https://blog.csdn.net/qq_35635374/article/details/120960257
四、【依赖高精度点云地图和三维激光雷达的定位方案】正态分布变换(NDT)定位及建图
正态分布变换(Normal Distributions Transform,简称NDT)定位及建图算法是一种广泛应用于机器人定位和地图构建领域的算法。本文将对NDT定位解决的主要问题、核心思想以及算法流程进行详细介绍。
https://blog.csdn.net/qq_35635374/article/details/121786885
五、ICP(迭代最近点)定位算法
ICP(Iterative Closest Point)定位算法是一种广泛应用于计算机视觉和机器人领域的算法,主要用于求解两个点集之间的空间变换问题。ICP算法的核心思想是通过迭代的方式,寻找两个点集之间的最近点对应关系,从而计算它们之间的最优刚体变换。
本文介绍ICP(迭代最近点)定位算法,包括ICP算法原理、ICP算法代码实现、ICP算法优缺点分析
https://blog.csdn.net/qq_35635374/article/details/138506177
六、robot_pose_ekf扩展卡尔曼位姿估计算法
介绍robot_pose_ekf扩展卡尔曼位姿融合估计算法,包括EKF工作原理、配置robot_pose_ekf的ROS功能包launch及robot_pose_ekf的效果。
https://blog.csdn.net/qq_35635374/article/details/120960189
扩展卡尔曼的相关知识看看传感器融合的专栏
七、【autoware定位模块】
介绍autoware定位模块,包括先介绍一个较通用的定位流程、再详细介绍三个定位相关的功能包(gnss_localizer的GPS定位解析功能包、Ndt_cpu的NDT算法原理功能包、NDT_matching定位集成功能包),最后介绍在高精度地图中实现组合定位。
https://blog.csdn.net/qq_35635374/article/details/124540935
八、一些入门的定位开源工程
介绍一些入门的定位开源工程,包括在ROSgazebo仿真系统的物理引擎提供的定位、ROS中robot_localization工程方案、autoware的三种定位方式
https://blog.csdn.net/qq_35635374/article/details/139009741