基于coreslam的2d-slam建图无需ros 的说明全网总结

出处:http://blog.cvosrobot.com/?post=500
slam 建图当前最流行的是基于ROS平台的gmapping ,cartographer等,ros平台相对庞大,roslaunch rosrun 指令操作复杂。

对于研究者有大把时间的人可以放开了去学习。本文介绍国外的breezyslam 建图方案,使用python实现,脱离ros只要有python的环境

就可以将2d-slam激光建图跑起来。他的好处就是指令简单,高效相对ros来说,里程计odom可适配有或者无,采用粒子滤波的方式

基于coreslam (tinyslam)的核心思想实现的slam建图。

欢迎相关专业的学生进行学习和总结。

一基础

1 教程一:如何在没有ros的系统上实现slam建图

2 一、自主移动机器人智能车入门的起点介绍

3 二、自主移动机器人智能车使用python版本的breezyslam 进行测试

4 教程二:breezyslam 如何开始使用?

二 升华

5 教程三:vreezyslam建图log2pgm

6 教程四:树莓派搭建breezyslam环境的说明

7 breezyslam建图2d-slam建图测试一

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Cartographer主要理论是通过闭环检测来消除构图过程中产生的累积误差[1]。用于闭环检测的基本单元是submap。一个submap是由一定数量的laser scan构成。将一个laser scan插入其对应的submap时,会基于submap已有的laser scan及其它传感器数据估计其在该submap中的最佳位置。submap的创建在短时间内的误差累积被认为是足够小的。然而随着时间推移,越来越多的submap被创建后,submap间的误差累积则会越来越大。因此需要通过闭环检测适当的优化这些submap的位姿进而消除这些累积误差,这就将问题转化成一个位姿优化问题。当一个submap的构建完成时,也就是不会再有新的laser scan插入到该submap时,该submap就会加入到闭环检测中。闭环检测会考虑所有的已完成创建的submap。当一个新的laser scan加入到地图中时,如果该laser scan的估计位姿与地图中某个submap的某个laser scan的位姿比较接近的话,那么通过某种 scan match策略就会找到该闭环。Cartographer中的scan match策略通过在新加入地图的laser scan的估计位姿附近取一个窗口,进而在该窗口内寻找该laser scan的一个可能的匹配,如果找到了一个足够好的匹配,则会将该匹配的闭环约束加入到位姿优化问题中。Cartographer的重点内容就是融合多传感器数据的局部submap创建以及用于闭环检测的scan match策略的实现。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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