激光SLAM入门笔记（一）——简介

最新推荐文章于 2025-02-19 18:49:02 发布
原创 最新推荐文章于 2025-02-19 18:49:02 发布 · 1.3k 阅读 · 8 ·
CC 4.0 BY-SA版权
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。
文章标签：

#自动驾驶 #计算机视觉 #算法

本文详细介绍了SLAM（Simultaneous Localization And Mapping）技术的基本概念、环境分类及不同类型的SLAM方法。涵盖了图优化SLAM、基于滤波SLAM等实现方式，并深入探讨了2D与3D激光SLAM的特点和发展趋势。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一.SLAM的定义
在这里插入图片描述
二 环境分类

  • 静态环境
    尺度地图：目前大部分的建图基本都是该类
    拓扑地图：大环境
    混合地图：综合以上两个

  • 动态环境
    在这里插入图片描述
    三.图优化SLAM
    在这里插入图片描述
    实现分两部分：

  • 前端：建图部分

  • 后端：优化部分
    优化效果：
    在这里插入图片描述
    四.基于滤波SLAM
    在这里插入图片描述
    只估计当前时刻位置，出现误差就积累，不适合大环境使用

  • 状态预测：可以简单理解为里程计估计当前位置

  • 状态更新&地图更新：卡尔曼滤波更新>地图更新
    在这里插入图片描述

  • 激光雷达：室内2D雷达，室外3D雷达

  • 惯性测量单元：一般用于算角度

  • 轮式里程计：一般用于算距离

  • 覆盖栅格地图：使用更多，对地图区分性更强

激光SLAM的常用算法
在这里插入图片描述

  • Scan-to-Scan：基本淘汰
  • Scan-to-Map:典型代表Cartographer,当前扫描与过去地图匹配
  • Map-to-Map：很少开源，效果理论比较好

五.2D激光SLAM介绍
在这里插入图片描述
室内环境使用广泛

在这里插入图片描述

  • State of Art:CSM+梯度算法，典型代表Cartographer
  • Branch and Bound&Lazy Decision:分支递界

2D激光SLAM的发展
在这里插入图片描述
基于滤波基本被淘汰，重点应该放在基于图上面
2D激光SLAM的应用
在这里插入图片描述

  • 轮式里程计的标定：Offline,Online，Online实时调整
  • 时间同步问题：ms级误差，MCU和PC之间会有时间差，对距离影响可能小，但是对于角度影响会比较大

2D激光SLAM的趋势——与视觉融合
在这里插入图片描述
六.3D激光SLAM的介绍
开发成本较高，仅作了解在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

七.激光SLAM中的问题
在这里插入图片描述

【ROS2】SLAM入门：gmapping建图、导航测试记录
郭老二
02-24 1062
测试gmapping建图 和 导航功能。这篇博客详细记录建图和导航的使用步骤，下篇博客会详细分析源码。
小白入门笔记：CMake编译过程详解
3D视觉工坊
04-12 1285
作者丨Sky Shaw@知乎点击进入—>3D视觉工坊学习交流群1、你好，CMake1.1 CMake是什么？我觉得针对这个问题最简单（但不是最正确的）的回答应该是：“CMake是服务于将源代111码转换成可执行的文件的工具”。将源码转换为可工作应用会比较神奇。不仅是效果本身(即设计并赋予生命的工作机制)，而且是将理念付诸于过程的行为本身。CMake本身是一个工具集，由五个可执行的程序组成：c...
激光slam_激光SLAM入门学习指导
weixin_39885690的博客
12-15 799
刚开始学无人机的伙伴们一定少不了去百度”SLAM”这个关键词，英文Simultaneous Localization and Mapping的缩写(可惜大家听不到我非常international发音)这次我们就给还没来得及深入了解的小伙伴们通俗的讲一讲。1、SLAM传感器 先说实在的，看得见摸的着的，阿木实验室的无人机装机必备的思岚激光雷达与英特尔双目视觉摄像头。SLAM算法常被运用的...
激光SLAM算法 -1：激光SLAM简介
qq_38983484的博客
03-23 3734
1：SLAM是什么 SLAM是同步定位与地图构建(Simultaneous Localization And Mapping)的缩写，最早由Hugh Durrant-Whyte 和 John J.Leonard提出。SLAM主要用于解决移动机器人在未知环境中运行时定位导航与地图构建的问题。 SLAM通常包括如下几个部分，特征提取，数据关联，状态估计，状态更新以及特征更新等。其中包括2D-SLAM和3D-SLAM。一下大概分为三种形式： Localization：在给定地图的情况下，估计机器人的位姿。 SLA
从零入门激光SLAM（一）——什么是SLAM
热门推荐
HUASHUDEYANJING的博客
03-21 3万+
SLAM的全称是Simultaneous Localization and Mapping即时定位与地图构建，为解决机器人自主导航的问题。人在一个未知的环境下也不知如何行进，我们闭着眼睛也不知道怎么走路，机器人如人一样，也需要一个“眼睛”与环境之间交互知道自己的位置，并且能够建立一个地图来让机器人自主导航。如下图所是，相机相当于我们的眼睛，激光雷达像是成千上万个很长的拐棍去勘测障碍物，地图相当于我们日常用的导航地图。机器人有了这些东西就可以进行走路（决策、规划、控制）。
激光SLAM总体介绍
layAlex的博客
06-15 777
从零入门激光SLAM（二十三）——direct_visual_lidar_calibration全型号激光雷达-相机标定包
HUASHUDEYANJING的博客
11-17 2546
相机与激光雷达的精确像素级标定一直是一个难点，随着激光SLAM慢慢向三维重建、场景测绘发展，对标定效果要求更高。传统的标定板标定方法有如下缺陷1.需要标定板设备繁琐2.标定板不能放太远的位置，无法观测测距范围大而广的激光雷达在远距离的效果3.无法达到像素级别的标定结果。论文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?
学习笔记之——3D Gaussian Splatting及其在SLAM与自动驾驶上的应用调研
gwpscut的博客
01-09 2万+
论文主页3D Gaussian Splatting是最近NeRF方面的突破性工作，它的特点在于重建质量高的情况下还能接入传统光栅化，优化速度也快（能够在较少的训练时间，实现SOTA级别的NeRF的实时渲染效果，且可以以 1080p 分辨率进行高质量的实时（≥ 30 fps）新视图合成）。开山之作就是论文“3D Gaussian Splatting for Real-Time Radiance Field Rendering”是2023年SIGGRAPH最佳论文。
基于LIO-SAM 算法的三维激光SLAM 建图
LSG_Dawn的博客
03-13 5296
LIO-SAM 算法三维SLAM 建图
SLAM学习——eigen库实现四元数与旋转矩阵的转换
cascara的博客
07-19 5191
任务 已知相机的位姿用四元数表示为q=[0.35,0.2,0.3,0.1],顺序为x,y,z,w，请编程实现： 输出四元数对应的旋转矩阵、旋转矩阵的转置，旋转矩阵的逆矩阵，旋转矩阵乘以自身的转置，验证旋转矩阵的正交性。 题目来源：从零开始一起学习SLAM | 学习SLAM到底需要学什么？－计算机视觉life 过程 ...
SLAM经典入门教程（入门）
01-03
经典的SLAM入门教程，以扩展卡尔曼滤波器为基础的SLAM算法理论，有条件可以看coursera相关课程。一共四讲，深入浅出解答了什么是SLAM的基本原理，并有配套作业和matlab代码，供测试。
经典有用的SLAM（卡尔曼滤波）入门资料
01-30
经典有用的SLAM（卡尔曼滤波）入门资料,中英文对照，非常符合初学者入门。
激光SLAM简介
最新发布
kk521_1314的博客
02-19 1702
传感器—>传感器数据处理—>前段匹配 —>回环检测 —>后端优化 —>地图构建。
Chapter1-激光SLAM简要介绍
kh0601的博客
07-01 957
Chapter 1 激光SLAM简要介绍 如有错误望不吝赐教！！！ 环境划分 动态环境 高动态环境：在机器人所处的环境中有行人走动、车流等其他动态变化。 低动态环境：环境在变但在机器人的视野中无环境变化。 静态环境（根据输出过程划分） 尺度地图：尺度是和现实对应的，Hector、Cartographer都建立尺度地图（局部路径规划） 拓扑地图：环境较大时适用（两点间距离）（...
激光SLAM入门笔记(一):概述
u010507357的博客
07-27 1803
概述SLAM激光SLAMpipeline相关数学知识坐标系变换 SLAM 激光SLAM pipeline 相关数学知识 坐标系变换 如图，假设机器人坐标系BBB在世界坐标系WWW下的位姿为(a,b,????)，令BBB系到WWW系的转换矩阵为TWBT_{WB}TWB​，则有 TWB=[cosθ−sinθasinθcosθb001]=[Rt01](1)T_{WB}= \begin{bmatrix} cos\theta & -sin\theta & a \\ sin\theta
激光slam入门知识总结
豆皮卷香菜
02-27 635
目录说明一. 开篇二. 数据集三. 软件框架四. 前端里程计初试五. 前端里程计代码优化 说明 学习知乎上任乾写的从零开始做激光slam系列，在这里总结一下收获 一. 开篇 作者给出了本系列的简单介绍，包括用的传感器，平台，写作思路等等。 二. 数据集 作者使用了KITTI数据集，在下载的过程中发现，直接翻墙从国外网站下载速度非常快。 主要是利用激光雷达数据和RTK数据做融合。 RTK，GNSS，IMU等定位方式的精度要详细了解一下 将数据集转换成ROSBAG，然后利用rviz就能进行原始数据效果查看
激光SLAM--(1)基础知识
qq_42692305的博客
10-07 1425
激光SLAM--(1)基础知识
激光slam基础入门笔记1——介绍篇
m0_67976789的博客
01-09 1730
激光SLAM入门介绍：是什么？干什么？学什么？未来如何发展？
激光SLAM入门学习笔记
Kamfai_Row的博客
06-22 9694
激光SLAM入门学习笔记（持续更新）激光SLAM入门学习笔记（持续更新）一、推荐阅读书籍二、推荐公众号、知乎、博客1、公众号2、知乎3、博客三、推荐阅读论文&代码（参考泡泡机器人）2D激光SLAM3D激光SLAM1、LOAM（经典）2、A-LOAM（初学）3、LeGO-LOAM（进阶）4、Lio-mapping（进阶、LIO初学）5、hdl_graph_slam（入门）10、SC-LeGO-LOAM（应用推荐） 激光SLAM入门学习笔记（持续更新） 一、推荐阅读书籍 视觉SLAM十四讲 概率机器人
二维激光SLAM算法入门：gmapping、hector、cartographer
**hector SLAM** 是一种不依赖于里程计信息的SLAM算法，它主要利用激光雷达（LIDAR）的扫描数据来进行同时定位和建图。与gmapping不同，hector SLAM并不需要对机器人运动模型进行建模，因此在没有可靠里程计信息的...
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
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