融合单线雷达和RGB-D图像的SLAM方法

ref：基于激光雷达与视觉融合的巡检机器人 SLAM 算法研究

1. 常规融合算法

1. 加权平均法：对不同类型传感器的数据进行加权平均处理，以获得一个更准确、可靠的融合结果。该方法简单直观，易于实现，通过加权平均法处理后的融合数据，可以减小单一传感器数据可能存在的误差和不确定性，提高整个系统的稳定性和鲁棒性。
2. 卡尔曼滤波：通过预测与更新两个步骤，不断迭代地估计系统状态。在预测步骤中，使用系统的动态模型来预测下一时刻的状态，更新步骤中，利用观测数据来修正预测值。其优势在于能够处理带有噪声和不确定性的数据，通过对不同传感器数据融合，减小噪声影响，提高系统精度与稳定性，而且占用内存小，运算速度快，适用于对实时性要求高的系统，常用于低层次实时动态多传感器数据的融合。
3. 贝叶斯估计：基于贝叶斯定理的数据融合方法，其依赖于后验概率或者条件概率来估计未知状态，利用先验概率与新的观测数据来更新后验概率，将观测数据的不确定性及先验概率的不确定性结合在一起，得到一个更精确的状态估计，使用前需要尽量准确给出系统先验概率分布。

2. 融合算法

栅格地图是一种基于网格的地图表示方法，它将地图区域划分为均匀的网格单元，每一个网格单元都被赋予对应的概率值，有三种状态：占据、空闲和未知，栅格单元通常用“0-1”二元值来表示其被占据的情况，用“1”表示单元栅格被占据，“0”表示单元栅格空闲。

以单线雷达的Cartographer 算法生成的局部栅格地图作为基础，按照顺序融合ORB-SLAM2 算法构建的局部栅格地图。

9a035370a5384eff5bb62ca0f6f0abb1.png

地图中的每个栅格单元中都包括了原始地图数据和局部更新数据，对于同一坐标下的栅格地图进行融合，对栅格地图的融合采取如下策略：当激光与视觉栅格概率相同时，融合后的栅格状态保持不变；因为激光雷达有较高的准确率，当激光栅格概率为占据或空闲时，以激光雷达栅格占据状态为准；深度相机比 2D 激光雷达能够探测到三维的空间信息，所以对于视觉单元栅格为占据或空闲状态，需要进一步计算，

11d8aacab1e39fc042a847f1cc125ff0.png