卡尔曼滤波结果和图优化的融合

该博客介绍了如何利用扩展卡尔曼滤波融合GPS、IMU和编码器数据获取高精度定位信息,然后结合3D-NDT算法进行激光里程计的计算。在图优化框架下,将当前位姿作为节点,融合定位数据和激光提取的地面参数作为边约束,优化求解出更准确的机器人位姿。这一方法在机器人定位与建图中具有重要意义。
摘要由CSDN通过智能技术生成

仅使用卡尔曼滤波结果作为初始值辅助NDT算法的进行,并没有进行实际融合。


论文地址

算法流程

  1. 扩展的卡尔曼滤波融合GPS、惯性测量单元IMU、编码器里程计得到融合后的定位信息

  2. 基于3D-NDT配准得到激光里程计

  3. 建图优化。融合单帧激光提取的地面数据和融合定位数据构建图优化的边约束

  4. 求解优化后的位姿
    在这里插入图片描述

图优化框架

以机器人的当前位姿作为节点,融合定位数据和激光提取的地面参数作为图优化结构中的边构建约束方程。

  • 3D-NDT:变换关系、地面参数、融合定位位姿——约束边
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