【机器人】多传感器融合定位前沿技术小笔记

⭐️参考

• [草稿] X. Zhang, H. Liu, Z. Zou, and M. Zhou, Multi-sensor Fusion for Autonomous Driving.

⭐️关键观点

• 前人的研究把定位和建图任务（SLAM）从实验室带到了现实场景。实验室场景和现实场景最大的区别是灵活度的提升。
• 自定位任务（self-positioning）现阶段有两个方向：
  • 基于内部传感器（GPS、IMU等）根据车辆的运动信息进行定位的任务，具有累积误差的问题。
  • 基于激光雷达等通过采样环境数据进行定位的SLAM技术，受限于环境，不适宜在低特征环境（如空旷地域）进行定位任务。

⭐️关键词整理

real-time posioning problems, coarse-and-fine hybrid positioning system, global information and feature-based simultaneous localization and maping(GF-SLAM), feature-based SLAM (F-SLAM), coarse positioning, particle filter, Kalman filter(EKF), Self-Positioning, map drift, positioning fails, dead reckoning (DR)