本文介绍了cartographer在视觉SLAM中的应用，探讨了其能与不能实现的功能，包括室内SLAM的精度和兼容多种传感器的能力。同时，文章详细阐述了cartographer的配置与使用，强调了数据转换的重要性，并提供了imu、里程计和传感器配置的要点。最后，文中列出了主要参考文献和代码重点，分析了cartographer在2D和3D SLAM中的区别与优化策略。
由于本人学习cartographer的目的就是做visual SLAM，以相机作为传感器展开slam。而cartographer官网提供的demo包括参考沦为都是以激光雷达作为传感器，因此我找到前辈这篇文章作为参考，开始我的第一步。
作者：斯坦德机器人链接：https://www.zhihu.com/question/51348391/answer/221614714
- cartographer能做到，不能做到什么？
- cartographer配置与使用 (激光雷达买不起，kinect很流行，怎么用非官方的传感器方案跑cartographer)？
- cartographer有用的参考文献和代码核心结构？ 其亮点在哪里？
- 有同学之前提到能不能纯视觉用cartographer，如果手持，不管2d3d都不能； 如果固定平地，效果跟其他开源比我也不知道优势在哪。
- part1: cartographer能与不能
- 能：
- 实现精度要求不高的室内SLAM，论文说5cm，有人评论说能3cm；
- 兼容多种传感器方案，可以激光雷达，相机；甚至能同时用；支持多trajectory似乎能有一些玩法。
- 一直在更新，实现得很好，有诚意，值得学习和支持。但看了之后，看其他开源的实现眼睛要瞎，建议不要最先看。
- 2.不能： （需要指正补充）
- 如果走丢了（定位失败），算法里似乎没有恢复的方法，不能全局定位，它写了个PerformGlobalLocalization，但是没看见使用；
- 如果环境动态一些，环境有玻璃等，算法里没作处理，定位精度还能行吗，它对scan的过滤就只用最短距离最长距离来判断；
- 在长走廊中，实际机器人在走，由于观测没有变化，因此定位不动，在缺乏里程计时，此时误差很大；
- 不用IMU，大环或者多环就基本
最低0.47元/天 解锁文章
扫一扫
1872
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
