SLAM

SLAM

2020/10/20

  1. 卡尔曼滤波:

    两大问题:

    • 计算量大:需要计算系统的协方差矩阵

    • 不确定性:受外界因素影响

  2. 粒子滤波器法:

  • 将SLAM问题分解为机器人的定位路标集合的估计两个子问题来进行求解
  • 步骤
    • 采用新位姿,扩展对机器人路径的后验估计
    • 更新观测路标估计
    • 计算采集权值,进行重采样处理
  1. 期望极大化(EM)方法
  2. SLAM传感器
  • 雷达SLAM 和 视觉SLAM
    • 激光雷达: SICK, Velodyne, 国产rplidar
      • 优点是精度很高,速度快,计算量也不大,缺点是价格比较昂贵
    • 视觉SLAM: 主要分为三大类:单目、双目(或多目)、RGBD(深度)
      • 单目相机SLAM简称MonoSLAM,成本很低,但是没法得到确切的深度
      • 通过多个相机之间的位置,估计空间点的位置。但是通过双目图像计算像素位置很消耗计算量,现在多用FPGA来完成
      • RGDB:提供更丰富的信息,但是容易受太阳等光线的影响
  1. 经典视觉SLAM框架
    视觉里程计(VO) --> 后端优化 --> 建图 --> 回环检测
  • 视觉里程计 Visual Odometry: 基于特征的方法是目前VO的主流方式
  • 后端:早期使用的是滤波器
  • 建图:度量地图:稠密地图和稀疏地图
    • 栅格地图表示法:将整个环境分为若干个相同大小的栅格,对每个栅格各指出其中是否存在障碍物
    • 几何信息地图
    • 拓扑地图
  1. 回环检测:难点在于 错误的检测结果可能使地图变得糟糕
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 、4下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合;、下载 4使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合;、 4下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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