激光slam综述_SLAM算法

全栈程序员站长

发布于 2022-09-23 11:16:20

9740

发布于 2022-09-23 11:16:20

文章被收录于专栏：全栈程序员必看

大家好，又见面了，我是你们的朋友全栈君

1. 3D激光SLAM简介

在 3D 激光 SLAM 领域中，由 Zhang J 等人提出的LOAM 方案，利用 3D 激光雷达采集数据，进行基于特征点的扫描匹配，利用非线性优化方法进行运动估计，激光里程计的输出与地图进行匹配，包括直线匹配和平面匹配，无回环检测模块，点面特征还不够可靠。

2. 3D激光雷达SLAM

3. 高精度V-LOAM方案

为了进一步改进 LOAM 方案的， Zhang J 等人提出视觉结合 3D 激光雷达实时建图的 V-LOAM 方案。利用视觉里程计以高频率估计位姿变换，激光里程计以低频率优化运动估计，并校准漂移。在公开的 KITTI 数据集上，V-LOAM 算法精度排名第一，而且当传感器高速运动并受到明显的光照变化时，该方法的鲁棒性较好。

Zhang J 等人提出了一种用于自我运动估计和建图的数据处理方案 LVIO。该方案连接 3D 激光扫描仪， 相机和 IMU，顺序多层运行三个模块以产生实时自我运动估计。粗到精数据处理产生高速率估计并在长距离中构建低漂移的地图。

4 发展趋势

几种激光SLAM算法对比：

面对复杂的周围环境，多传感器融合的SLAM是必然趋势。视觉会提供高精度的里程计以及信息量丰富的地图信息，激光雷达为视觉特征提供准确的深度信息。SLAM算法的鲁棒性与实时性有待进一步提高。在提高SLAM算法鲁棒性方面，需要考虑里程计的标定、激光雷达的外参与时间戳标定、激光雷达运动畸变的去除等数据处理过程，同时针对退化环境、全局定位、动态环境定位等问题还有待完善。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/172370.html原文链接：https://javaforall.cn

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

如有侵权请联系 cloudcommunity@tencent.com 删除

图像处理