3D激光雷达SLAM算法学习01——3D激光SLAM整体框架

已于 2022-10-20 18:49:23 修改
阅读量1.3k 收藏 12
点赞数 1
分类专栏： 3D激光雷达SLAM 文章标签： 算法 激光雷达 slam
于 2022-10-20 18:48:41 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/weixin_44168457/article/details/127432750
版权

#1.3D激光雷达系列主要内容
结合个人毕业设计和日后发展方向，开始学习3D激光雷达的相关感知算法，预计SLAM（定位和建图）开始，本篇给出简单的框架和绪论，后边会按照图优化/滤波原理、传感器基础、数据预处理、主流激光雷达SLAM定位算法框架等顺序继续更。
#2.3D激光SLAM思维导图在这里插入图片描述
参考：深蓝学院课程

我爱编程皮肤好好
关注
  • 1
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【SLAM】激光SLAM简介与常用框架
DevFrank的博客
04-22 3471
激光slam简介与常用框架
一文详解激光SLAM框架LeGO-LOAM
3D视觉工坊
10-26 574
作者介绍：Zach，移动机器人从业者，热爱移动机器人行业，立志于科技助力美好生活。LOAM存在的问题LeGO-LOAM全称为：Lightweight and Groud-Optimized...
激光SLAM框架总结
YOULANSHENGMENG的博客
05-30 8262
一、激光SLAM简介 基于激光雷达的同时定位与地图构建技术（simultaneous localization and mapping， SLAM）以其准确测量障碍点的角度与距离、 无须预先布置场景、可融合多传感器、 在光线较差环境工作、 能够生成便于导航的环境地图等优势，成为目前定位方案中不可或缺的新技术。 激光 SLAM 任务是搭载激光雷达的主体于运动中估计自身的位姿，同时建立周围的环境地图。而准确的定位需要精确的地图，精确的地图则来自于准确的定位，定位侧重自身位姿估计，建图侧重外部环境重建。 S
3DS-SLAM（3D目标检测，动态视觉slam）
最新发布
weixin_45761399的博客
07-11 965
环境中可变因素的存在可能会导致相机定位精度下降，因为它违反了同步定位与建图（SLAM）算法中静态环境的基本假设。最近针对动态环境的语义 SLAM 系统要么仅依赖于 2D 语义信息，要么仅依赖于几何信息，或者以松散集成的方式组合它们的结果。在这篇研究论文中，介绍了 3DS-SLAM（3D 语义 SLAM），
3D激光slam开源框架汇总
一抹烟霞的博客
07-13 1220
https://mp.weixin.qq.com/s/rR3wmZMKSlAhLrGo2JkxCQ
激光slam课程学习笔记－－第11课：3D激光SLAM介绍
qq_45701501的博客
04-24 2375
前言：这系列笔记是学习曾书格老师的激光slam课程所得，这里分享只是个人理解，有误之处，望大佬们赐教。这节课主要介绍一些3d slam数学知识，以及典型代表loam。 1. ３d激光SLAM 1.1 介绍 ［在地图上，２ｄ的是三个自由度的；３ｄ的是六个自由度的；三维包含微分流形（多次的三个自由度导致的）（个人没理解）］ 1.2 对比 1.3 3d slam的帧间匹配－－点到面距离方法 ［回环检测，本质也是帧间匹配］ ［这里的目标函数表示的是点到面的距离］ 1.4 帧间匹配算法－－基于特征的方法 ［由
3D激光slam解析
weixin_40863346的博客
07-01 574
这里只总结大佬解析的网址，如有侵权，请联系我．(今天也是膜拜大佬的一天ing) 1. hdl_graph_slam 源码: github 代码hdl_graph_slam 任大佬的解析(膜拜ing.....): hdl_graph_slam源码解读(一)：整体介绍 hdl_graph_slam源码解读(二)：g2o顶点和边的管理 hdl_graph_slam源码解读(三)：点云滤波 hdl_graph_slam源码解读(四)：关键帧 hdl_graph_slam源码解读(五)：前端里程..
重磅！激光SLAM算法及框架概述
3D视觉工坊
04-17 618
基于激光SLAM和深度学习的语义地图构建.pdf
08-18
例如，深度学习算法可以被训练识别出人、车辆、树木等不同类别的物体，并将这些信息与通过激光SLAM构建的几何地图融合，创建出带有丰富语义信息的地图。 文章中还提到了机器人操作系统(ROS)的应用。ROS是一个灵活的...
激光SLAM理论与实践第7章
07-07
《激光SLAM理论与实践第7章》主要探讨的是在机器人定位与建图领域中的一个关键环节——占用网格映射（Occupancy Mapping）。这是一项基于激光雷达传感器数据的实时环境建模技术，对于自主导航、避障以及环境理解至关...
激光SLAM理论与实践第一章
07-07
在这个章节中，我们首先会接触到一个核心概念——“变换”，它是SLAM算法中的基础元素。"TransformStudy"这一标签暗示了我们将深入学习这一主题。 在SLAM（Simultaneous Localization And Mapping，同时定位与建图...
3D 激光导航算法
05-25
3D激光导航算法
3D-Visual-GPS-SLAM.zip
09-17
3D-Visual-GPS-SLAM.zip,这是一篇关于视觉slam与gps融合的硕士论文研究报告。它包含了研究论文、代码和其他有趣的数据。,3D建模使用专门的软件来创建物理对象的数字模型。它是3D计算机图形的一个方面，用于视频游戏，3D打印和VR，以及其他应用程序。
激光Slam学习
paodahua007的博客
01-19 609
激光Slam学习（一） 一、SLAM（Simultaneous Localization and Mapping——即时定位与地图构建 ） 该领域所涉及的关键性问题可以归结为： ![(1) 地图的表示方式 (大致可分为3类:栅格表示、几何特征表示和拓扑图表示-blog.csdnimg.cn/20200117210715647.png) ![在这里插入图片描述](https://img-blo...
机器人SLAM与自主导航——（二）gmapping功能包
weixin_44773732的博客
02-08 2262
  ROS开源社区汇集了多种开源SLAM算法，其中最为常用的是gmapping功能包。 （一）安装功能包： sudo apt-get install ros-kinetic-gmapping gmapping功能包节点的配置和运行   主要任务：借助现成的接口功能包的SLAM功能。 创建launch文件，运行节点： 这里用到了功能包：mrobot_navigation其中有写好的配置文件：gmapping.launch （二）在gazebo中仿真SLAM（激光雷达） 启动gazebo仿真环境和gmappi
三维计算机视觉之3D SLAM
mathwyz的博客
07-06 613
三维计算机视觉之3D SLAM
基于激光雷达点云的3D目标检测算法
pangxing6491的博客
10-27 2046
https://zhuanlan.zhihu.com/p/107114319
3D激光SLAM(原理 + 公式 + 代码 理解)
chrishuimin的博客
05-03 1557
3D SLAM 的大体流程:(以多传感器融合为例)(1) 首先进行传感器信息的读取: 包括激光雷达 . IMU(IMU 传感器可以提供 线加速度, 角速度 以及 旋转角RPY 信息)(2) 扫描匹配: 对得到的数据进行畸变处理,校正位姿, 对得到的相邻两帧点云 计算位置变换矩阵和平移矩阵,从而进行配准, 使得相邻的点云相同部分可以重叠. 得到一个局部的点云地图.这个过程中还要进行下采样处理,过滤掉无关的点云.
常见单线激光SLAM框架
09-08
常见的单线激光SLAM框架有： 1. LOAM（Lidar Odometry and Mapping）：由香港科技大学和华为的秦通博士提出，使用Eigen和Ceres-Simulations库实现。 2. LeGO-LOAM（Lego-based Lidar Odometry and Mapping）：是LOAM的扩展，引入了Lego颗粒的概念，提高了定位和建图的精度。 3. SC-LOAM（Semi-Concurrent Lidar Odometry and Mapping）：是一种基于LOAM的半并发激光SLAM算法，通过将数据分为多个线程进行处理，提高了计算效率。 4. Velodyne-LOAM（Velodyne-based Lidar Odometry and Mapping）：结合了Velodyne激光雷达数据和LOAM算法，提高了定位和建图的精度。 5. ORB-SLAM2（Orientation Based SLAM 2）：一种基于视觉的单线激光SLAM算法，通过优化位姿估计和地图构建，实现了实时性和高精度的定位。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
评论
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

我爱编程皮肤好好

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