激光SLAM算法学习（三）——3D激光SLAM

大家好，又见面了，我是你们的朋友全栈君。

3D激光SLAM

1、3D激光SLAM的介绍 3D激光SLAM的输入: IMU数据 3D激光雷达数据 里程计数据

在这里插入图片描述

3D激光SLAM的输出: 3D点云地图 机器人的轨迹 or PoseGraph

在这里插入图片描述

2、3D激光SLAM的发展 3D激光SLAM的帧间匹配方法——点云配准算法 Point-to-Plane ICP Feature-based Method

3D激光SLAM的回环检测方法 Scan-to-Scan Scan-to-Map Branch and Bound & Lazy Decision

目前主流激光SLAM算法： 1、LOAM-纯激光，匀速运动假设，无回环。 2、V-LOAM-视觉激光融合、漂移匀速假设，无回环。 3、VELO-视觉激光融合，无运动畸变假设，有回环

3、3D激光SLAM的应用 数据的预处理： 轮式里程计的标定 不同系统之间的时间同步 激光雷达运动畸变去除

与视觉的融合： 3D激光雷达为视觉特征提供深度信息 视觉辅助激光雷达进行运动畸变去除 视觉辅助回环检测 视觉提供精确里程信息

激光SLAM中的问题： 1、退化环境(Degeneration Environment) 2、地图的动态更新(Map Update) 3、全局定位(Global Localization) 4、动态环境定位(Dynamic Localization)

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/172358.html原文链接：https://javaforall.cn