- 博客(6)
- 收藏
- 关注
RSS订阅原创 自动驾驶与机器人中的SLAM技术--第十章--自动驾驶车辆的离线地图构建
本章关注实时的激光雷达定位系统。在点云地图的基础上，可以将当前的激光雷达扫描数据与地图进行匹配，获得车辆自身的位置，再与IMU等传感器进行滤波器融合。然而，点云定位并不像 RTK那样可以直接给出物理世界的坐标，而必须先给出一个大致的位置点，再引导点云配准算法收敛。因此，点云定位在实际使用时会遇到一些特有的逻辑问题。本章将使用第9章构建的点云地图，展示点云定位的使用方法，并演示一个基于卡尔曼滤波器的实时定位方案。
2024-08-30 10:11:05
1378
原创 自动驾驶与机器人中的SLAM技术--第九章--自动驾驶车辆的离线地图构建
判断关键帧时，从LIO中获取位姿，计算上一关键帧的位姿和当前位姿的相对运动，按照距离和角度阈值抽取关键帧，保存关键帧结果（点云数据）。遍历所有关键帧，获取其点云并进行体素滤波，对滤波后的点云计算每个点所在的网格id(gx,gy)，如果网格id不存在，就创建新的网格并把id和点云添加到新网格中，如果该id早已存在，则在id对应的网格中添加点云。在多数应用中，我们希望控制实时点云的载入规模，例如只加载自身周围200米范围内的点云，其他范围的点云则视情况卸载，这样可以控制实时系统的计算量。存储点云和索引文件。
2024-08-29 15:18:55
2162
原创 自动驾驶与机器人中的SLAM技术--第八章--紧耦合LIO系统
广义上，只要状态估计系统考虑了各传感器内在的性质，而非地将它们的输出进行融合，就可以称为紧耦合LIO系统。在松耦合LIO系统中，如果一个模块失效，就必须在逻辑上识别出它的失效，再想办法恢复成正常状态。而在紧耦合LIO系统中，一个模块的工作状态能够直接反映到另一个模块中，帮助它们更好地约束自身的工作维度。
2024-08-27 16:27:10
1857
原创 自动驾驶与机器人中的SLAM技术--第七章（7.4-7.5）--3D SLAM
特征法激光雷达里程计（间接法激光雷达里程计）。先对点云提取一些简单的特征，对特征点进行配准，同时根据特征点本身的不同性质，采取不同的配准方法，实现更好的效果。LOAM系列包括LOAM，以及后续改进版本LeGO-LOAM，ALOAM，FLOAM，是自动驾驶行业中常用的开源方案，也是许多LIO系统的基础。对于一个多线激光雷达，应该提取什么样的特征？1. 特征应该能反应点云的特点。2. 可以使用ICP或NDT方法对这些特征点进行配准。3. 特征点提取不应占用太多计算资源。
2024-08-24 16:19:12
2154
原创 自动驾驶与机器人中的SLAM技术--第七章（7.1-7.3）--3D SLAM
多个激光雷达发射器，按固定频率旋转，雷达探头之间有夹角。水平探测角度通常是360°，垂直探测角度通常是30°~45°。探头数量也称通常是2的整数倍，有4、16、32、64、128线激光雷达。成本过高，震动等恶劣条件下容易损坏。多线测距的原理和单线一样，称为飞行时间原理。细分为DToF（Direct ToF）和IToF（Indirect ToF）。DToF功率较低，实现简单，多数激光雷达和RGBD相机使用该方案测距。
2024-08-18 21:01:20
826
原创 自动驾驶与机器人中的SLAM技术--第六章--2D SLAM 回环检测与优化
由于在上一帧的操作中，motion_guess_ = T1w * Tw2 = T12，即上一帧2到上上一帧1的位姿变换。综合全部代码来看，这一步的current_frame_ -> pose_的调整没有起到作用。进行回环检测，此时current_frame_为loop_closing类的私有成员huan。用连续的三个帧1、2、3来表示转换关系。设最新的帧即当前帧为3，如果上一帧2存在，则。第一帧以及其他关键帧，都会加入到当前子图的占据栅格地图中，更新格子和场函数图像。，即上一帧2到上上一帧1的位姿变换。
2024-08-16 12:23:57
302
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人