本文是作者学习Cartographer的整理，涵盖了从论文理解、体素滤波、多传感器融合、激光雷达、IMU、源码阅读到参数配置和运行自定义bag包的全过程。通过对原始论文的解读，介绍了实时闭环优化和VoxelFilter技术。此外，文章还深入探讨了IMU与里程计的融合方法，以及Cartographer在位姿估计中的应用。最后，分享了如何配置和运行3D激光雷达数据的Cartographer实例。
本篇文章是自己在学习cartographer的过程，对各路知识的整理，很杂，但尽量做到有理可循。先放一个知乎大佬们对cartographer的认知吧如何看待谷歌在 10 月 6 日开源的 SLAM 算法 cartographer？
学习cartographer，首先就要看它的整个系统流程图：
先从整体上对算法有一个把握，整体把握可以看一下我之前转载的博客Cartographer理论及实现浅析（重点4.2，4.4）然后按照系统流程每一步的去探究，并且将每一步的内容去发散，探究每一步的具体技术所代表的的领域和其他同类的技术现状。下面就按照顺序介绍**（随时更新）**
01.论文real-time loop closure in 2D LIDAR SLAM
学习一个算法，首先从它的原始论文出发，论文链接及其理解这篇论文作者主要介绍的是cartographer的闭环优化方面，介绍了ceres scan matching 和基于图优化的闭环，偏向于从scan到submap的优化和从submap到map的优化，也就是流程图里两个虚线框圈出来的部分，而缺少对多传感（imu、里程计、lidar）融合的具体介绍，这就需要我们自己去看源码了。cartographer源码阅读分析.这一篇详细讲解了论文原理Google Cartographer SLAM 原理 （Real-Time Loop Closure in 2D LIDAR SLAM 论文详细解读）（2020.2.15添加）
最低0.47元/天 解锁文章
8418
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
