本篇是記錄曾書格老師的課程《激光slam理論與實(shí)踐》

先貼一下個(gè)人總結(jié)（有理解的不正確的，麻煩指出來）：

第一章：激光SLAM簡要介紹

1、輸出Metrical map尺度地圖，slam分為兩種：基于濾波的 filter-based 的SLAM，和Graph-based的SLAM。

2、

（1）基于Graph-based的代表是cartographer，可以修復(fù) t 時(shí)刻之前的誤差分為兩部分Front-end ，和Back-end。

（2）基于PF的代表gmapping，只能估計(jì)X(t)當(dāng)前時(shí)刻的位姿，不能修復(fù)之前時(shí)刻產(chǎn)生的誤差。在大面積的情況下，就無法建圖了。粒子濾波實(shí)際上是一個(gè)貝葉斯估計(jì)的過程，其流程是一個(gè)狀態(tài)預(yù)測的過程，分為6步：

卡爾曼是貝葉斯在線性高斯的特殊情況。

（3）

??

? ? 實(shí)際中，IMU算角度，里程計(jì)算距離

（4）幀間匹配算法：

ICP 是計(jì)算點(diǎn)對點(diǎn)的，沒人用了。而PI-ICP是計(jì)算點(diǎn)對線的。

NDT用于三維的slam。

CSM：是最主要的方法。

? ? ?? scan-scan已經(jīng)沒人用了；

? ? ?? scan-to-Map代表是cartographer。

? ? ?? Map-to-Map還沒有用，但是效果最好。與X(t)時(shí)刻之前的幾幀進(jìn)行回環(huán)檢測。

3、2D激光SLAM（用的2D的激光雷達(dá)）

（1）2D激光slam的幀間匹配

? ?? （A）PI-ICP

? ? （B）CSM(Correlation Scan Match)

? ? （C）梯度優(yōu)化的方法：Hector—SLAM

? ? （D）CSM+梯度優(yōu)化：cartographer

（2）2D 激光SLAM的回環(huán)檢測方法

? ? （A）分支定界Branch and Bound&lazy Decison（延遲決策） ，代表：cartographer

? ? （B）Scan-to-Map

（3）

? ??

（A）EKF-SLAM構(gòu)建的是feature 地圖，而不是grid柵格地圖，所以無法用于導(dǎo)航，只能用于定位。

（B）gmapping是Grid版本的FastSLAM，加入了scan-match。

（C）在Optimal RBPF在gmapping上做了優(yōu)化，是MRPT上的一個(gè)開源算法。

2010年之后就由FP 轉(zhuǎn)化為 圖優(yōu)化的方法了。

Karto SLAM 運(yùn)行時(shí)經(jīng)常崩潰。所以在此基礎(chǔ)上Catographer作了優(yōu)化。Catographer是所以開源算法中效果最好的。

（4）、數(shù)據(jù)的預(yù)處理

? ? ?

4、3D激光雷達(dá)

（1）3D激光雷達(dá)的幀間匹配

? ? ? （A）Point-to-Plance ICP 點(diǎn)到面的匹配

? ? ? （B）Feature-based Method

第二章：傳感器數(shù)據(jù)處理I：里程計(jì)運(yùn)動(dòng)模型及標(biāo)定

1、里程計(jì)運(yùn)動(dòng)模型

（1）兩輪差分底盤的運(yùn)動(dòng)學(xué)模型

? ? ? ? ? ? ??

（2）航跡推算（Dead Reckoning）

? ? ? ? ? ? ? ? ?

?

2、里程計(jì)標(biāo)定

（1）線性最小二乘的基本原理

? ? ? ? ? ? ? ? ?

通常就是 求解一個(gè)近似解。

（2）最小二乘的直線擬合

（3）最小二乘在里程計(jì)標(biāo)定中的應(yīng)用：

? ? ?? a，直接線性方法，精度不高，但實(shí)現(xiàn)簡單；用這個(gè)方法

? ? ?? b，基于模型的方法，精度高，但是現(xiàn)實(shí)起來相當(dāng)復(fù)雜，是一個(gè)非線性的過程。不用。

? ? 作業(yè)：實(shí)現(xiàn)一個(gè)直接線性方法的里程計(jì)標(biāo)定模塊

小結(jié)：由于機(jī)器人結(jié)構(gòu)的系統(tǒng)性誤差（比如輪子直徑的大小不一樣，機(jī)械結(jié)構(gòu)縫隙等），所以需要坐里程計(jì)標(biāo)定，達(dá)到去除系統(tǒng)誤差的目的，而隨機(jī)誤差無法去除。

?

第三章：傳感器數(shù)據(jù)處理II：激光雷達(dá)數(shù)學(xué)模型和運(yùn)動(dòng)畸變?nèi)コ?/p>

1、概念

（1）激光lidar介紹：基于三角測距原理，距離越近，精度相對越高。而飛行時(shí)間（TOF）遠(yuǎn)距離時(shí)精度才可以，價(jià)格昂貴。高端的lidar有德國的sick，日本的北陽。

固態(tài)lidar：是一個(gè)發(fā)展趨勢，價(jià)格低，類似于深度相機(jī)了，100線——300線。

? ? ? ? ? ? 如果lidar的幀率小于10HZ的話，那么運(yùn)動(dòng)畸變是非常明顯的。

（2）激光lidar數(shù)學(xué)模型介紹：

? ? ? ?? 光束模型：一幀激光與地圖的重合程度，計(jì)算量太大，現(xiàn)在已經(jīng)不用了。

? ? ? ? 似然場模型：對圖像進(jìn)行高斯平滑，計(jì)算量低。應(yīng)用的多。

（3）運(yùn)動(dòng)畸變介紹：

? ? ? ? 產(chǎn)生的原因：在獲取一幀激光lidar的數(shù)據(jù)用時(shí) t 時(shí)，機(jī)器人的位置發(fā)生了運(yùn)動(dòng)，導(dǎo)致每個(gè)激光點(diǎn)的基準(zhǔn)位置不是固定的。

2、畸變?nèi)コ椒?/p>

（1）純估計(jì)方法：ICP 的方法，就是點(diǎn)云匹配。

? ? ? ? ? 考慮到機(jī)器人的運(yùn)動(dòng)，采用VICP的方法。（Velocity estimate ICP）

（2）傳感器輔助方法：（IMU/odom）

? ? ? ? ? ?? odom,直接測量位移和角度。更新頻率（100Hz——200Hz），而IMU測量的是加速度，還需要積分。

? ? ? ? 二次曲線的近似：一幀激光數(shù)據(jù)N個(gè)激光點(diǎn)，每個(gè)激光點(diǎn)對應(yīng)的位姿{(lán)P1，P2 ... Pn}通過這種方法得到，把轉(zhuǎn)換后的激光數(shù)據(jù)發(fā)布出去。

? ? ?? 作業(yè)：實(shí)現(xiàn)一個(gè)激光雷達(dá)運(yùn)動(dòng)畸變?nèi)コK

小結(jié)：由于機(jī)器人存在運(yùn)動(dòng)畸變，所以要發(fā)布publish經(jīng)過去除畸變的激光lidar數(shù)據(jù)。

?

第四章：激光SLAM的前端配準(zhǔn)方法

幀間匹配方法：

（1）ICP 匹配方法：點(diǎn)到點(diǎn)的距離作為誤差，一階收斂。

（2）PL-ICP方法：點(diǎn)到線的距離作為誤差，二階收斂，精度比ICP更高。

（3）基于優(yōu)化的匹配方法(Optimization-based Method）：應(yīng)用于Hector SLAM 和cartographer

梯度的優(yōu)化：Hector SLAM，不需要里程計(jì)，純靠優(yōu)化的方法。

cartographer 是CSM+優(yōu)化。

（4）相關(guān)匹配方法和分枝定界加速：Karto SLAM，cartographer，分枝定界在相關(guān)方法中的加速作用。

第五章：基于濾波器的激光SLAM方法(Filter-based)

1、（1）只估計(jì)當(dāng)前時(shí)刻的狀態(tài)X(t)叫濾波。視覺地圖——feature特征地圖；激光——》柵格地圖

? ? ? ? ??

2、

? ? （1）Bayes濾波：是一類方法的統(tǒng)稱，卡爾曼家族和PF都屬于貝葉斯濾波。

? ? （2）粒子濾波：PF是Bayes濾波的特例。應(yīng)用于物體跟蹤，機(jī)器人定位，SLAM導(dǎo)航。用一系列的粒子近似概率分布。

? ? ? ? ? ?? 有一個(gè)重采樣的過程，即去除權(quán)重小的粒子。權(quán)重表示和地圖的匹配程度。

? ? ? ? ? ?? 重采樣的目的：生成后驗(yàn)分布的粒子群。總粒子數(shù)不變。

? ? ? ?? 對于SLAM，存在粒子耗散問題，且無法解決，所以在環(huán)境小的時(shí)候才有用。

? ? （3）FastSLAM：是gmapping的基本原理，也是基于PF的。存在三個(gè)問題和優(yōu)化a,b,c：

? ? ? ? ? ? ?? a.每個(gè)粒子都包含自己的柵格地圖，占用較大的內(nèi)存；保持粒子數(shù)量較小，提升proposal采樣的位姿質(zhì)量；

? ? ? ? ? ? ?? b.粒子耗散問題；緩解粒子耗散；減少重采樣的次數(shù)；

? ? ? ? ? ? ?? c.在a的基礎(chǔ)上再優(yōu)化，把proposal限制在一個(gè)較小的區(qū)域

? ? （4）Gmapping：以FastSLAM為基礎(chǔ)。在fastSLAM的基礎(chǔ)上實(shí)現(xiàn)了優(yōu)化a和b，沒有使用優(yōu)化c。

? ? ? ? ? ? 主要是兩個(gè)函數(shù): addScan( )? 和? processScan( )

?

第六章：基于圖優(yōu)化的激光SLAM方法(Grid-based)

1、Grid-based 是基于非線性最小二乘原理的求解。Grid-based包含前段Front-end和后端Back-end。

2、非線性最小二乘：f(x) = z ，f(x)是一個(gè)非線性的函數(shù) ，z可以是一個(gè)預(yù)測值，然后通過傳感器可以得到一個(gè)測量值z'，根據(jù)二者就可以去非線性最小二乘。

3、有回環(huán)檢測。

4、高斯牛頓方法

5、cartographer方法中mapping_2d目錄：

第七章：基于已知定位的建圖

位姿估計(jì)包含 幀間匹配和優(yōu)化的方法，兩者構(gòu)成圖優(yōu)化，通過對機(jī)器人的位姿（x ，y ， θ）來構(gòu)建地圖。

1、地圖分類：（柵格地圖、特征地圖和點(diǎn)云地圖，都屬于）尺度地圖、拓?fù)涞貓D、語義地圖

2、覆蓋柵格建圖算法（gmapping里面用的這個(gè)）：

? ? ?? 柵格地圖的數(shù)學(xué)模型：給定機(jī)器人的位姿（由里程計(jì)信息得到）和激光lidar的數(shù)據(jù)，來估計(jì)出柵格地圖。

? ? ?? 地圖估計(jì)：柵格是一個(gè)二元隨機(jī)變量。1 標(biāo)準(zhǔn)占用，0表示沒被占用。

? ? ?? 激光穿過的柵格為free，激光擊中的柵格為occupied

3、計(jì)數(shù)（count model）建圖算法：

? ?? 激光擊中的次數(shù) / 激光穿過的次數(shù) 到達(dá)一個(gè)比值，就表示障礙物，occupied。

?

第八章: 3D激光SLAM介紹

1、3D激光SLAM

2D激光SLAM和3D激光SLAM的區(qū)別：

（1）2D ：單線激光lidar，只能在一個(gè)截面，形成2D柵格地圖，室內(nèi)機(jī)器人

（2）3D：多線激光lidar，形成三維點(diǎn)云地圖或者三維柵格地圖，室外移動(dòng)機(jī)器人

2、3D幀間匹配：

? ? ? ? （1）點(diǎn)面ICP?

? ? ? ? ? (2)? Feature-based method

? ? ? ? ? (3) NDT 方法 normal-distribution-Transform

2、LOAM (lidar odometry and mapping)

（1）是3D 激光SLAM算法，只有匹配，沒有回環(huán)。

（2） KITTI數(shù)據(jù)集Odometry排行榜上長期霸占第一

總結(jié)

以上是生活随笔為你收集整理的激光slam理论与实践的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。