機器人開發(fā)--二維激光SLAM介紹

• 1 SLAM簡介
• • 1.1 概述
  • 1.2 應用
  • 1.3 歷史發(fā)展
• 2 SLAM中3個模塊
• • 2.1 前端里程計模塊
  • • 實現(xiàn)原理
    • 實現(xiàn)方法
  • 2.2 后端優(yōu)化模塊
  • 2.3 回環(huán)檢測模塊
• 參考

1 SLAM簡介

1.1 概述

SLAM本質(zhì)就是確定自己在哪里的哪里，如在蘇州中心的正東邊66米處。

• SLAM (Simultaneous Localization and Mapping),也稱為CML (Concurrent Mapping and Localization), 即時定位與地圖構(gòu)建，或并發(fā)建圖與定位。
• 機器人自主定位導航技術(shù)中包括：定位和地圖創(chuàng)建（SLAM）與路徑規(guī)劃和運動控制兩個部分，而SLAM本身只是完成機器人的定位和地圖創(chuàng)建，二者有所區(qū)別。
• 自主導航的解決方案：SLAM + 路徑規(guī)劃 + 運動控制；
• 在虛擬現(xiàn)實（Virtual Reality）和增強現(xiàn)實技術(shù)（Argument Reality）中，沒有SLAM提供的定位，用戶就無法在場景中漫游。
  
  

1.2 應用

• 二維激光SLAM構(gòu)建的二維柵格地圖，可以用來做機器人的定位與導航。
• 三維激光SLAM構(gòu)建的三維點云地圖，可以用來做無人車的定位與導航，也可以用來做三維建模。
• 視覺SLAM構(gòu)建的稀疏點云地圖，可以用來做定位。
• 視覺SLAM構(gòu)建的半稠密與稠密的點云地圖，可以用來做定位與導航，也可以用來做VR領(lǐng)域的交互場景，也可以用來做三維建模。

二維激光三維激光

1.3 歷史發(fā)展

2 SLAM中3個模塊

前端里程計模塊，后端優(yōu)化模塊，以及回環(huán)檢測模塊

2.1 前端里程計模塊

機器人行走里程由編碼器、IMU等給出的。

實現(xiàn)原理

• 激光SLAM
  激光雷達的頻率一般是10Hz-40Hz之間。只要確定第一幀雷達數(shù)據(jù)與第二幀雷達數(shù)據(jù)的時間間隔內(nèi)，機器人走了多遠，再確定第二幀到第三幀雷達數(shù)據(jù)的時間間隔內(nèi)，機器人走了多遠（位姿變換），依次類推，就可以一直確定機器人到底走了多遠，確定機器人當前的位姿與初始時刻的相對位姿。
• 視覺SLAM
  攝像頭的數(shù)據(jù)是一幀一幀的圖像，可能是RGB彩色圖像，也可能是彩色圖像加上深度圖像。一般的處理方法為在圖像中提取特征點，然后確定特征點在空間中的坐標值，通過這些特征點，確定機器人在2幀圖像間的位姿變換，再確定第二幀圖像與第三幀圖像間的位姿變換，依次類推，就可以確定了機器人當前的位姿與初始時刻的相對位姿。

上述過程確定了機器人相對于初始時刻以及相對于每幀數(shù)據(jù)到來時的位姿變換，這個過程就是定位的過程。

實現(xiàn)方法

對于激光SLAM來說，求從前一幀雷達數(shù)據(jù)到當前幀雷達數(shù)據(jù)間的位姿變換，一般將這個過程稱為 掃描匹配(scan-matching) 過程。scan就是雷達的數(shù)據(jù)，通過與前一幀數(shù)據(jù)進行匹配，從而確定處位姿變換。
目前的掃描匹配方法為:

• scan-to-scan：雷達數(shù)據(jù)與雷達數(shù)據(jù)進行匹配
• scan-to-map：雷達數(shù)據(jù)與地圖進行匹配
• scan-to-submap：雷達數(shù)據(jù)與子地圖進行匹配
• map-to-map：地圖與地圖進行匹配

對于視覺SLAM來說，求從前一幀圖像到當前幀圖像間的位姿變換，一般將這個過程稱為 BA(Bundle Adjustment)。

2.2 后端優(yōu)化模塊

• 使用編碼器得到的里程計或者前端計算出來的里程計，一般都會有誤差。誤差可能來自編碼器，也可能來自地面打滑、地面凹陷突起等。誤差不做處理，會一直累積，導致機器人在地圖中丟失位置。
• 后端優(yōu)化就是為了減小累計誤差的。通過圖結(jié)構(gòu)，將機器人的各個位姿以及生成的地圖數(shù)據(jù)，進行聯(lián)合優(yōu)化，通過優(yōu)化求解，將所有的誤差平均分散到每個機器人位姿以及每個地圖數(shù)據(jù)上去，當優(yōu)化過程十分完美的時候，這些累計誤差可以減小到可以忽略的地步。

2.3 回環(huán)檢測模塊

• 回環(huán)檢測，又稱閉環(huán)檢測，是指機器人識別曾到達某場景，使得地圖閉環(huán)的能力。說的簡單點，就是機器人在左轉(zhuǎn)一下，右轉(zhuǎn)一下建圖的時候能意識到某個地方是“我”曾經(jīng)來過的，然后把此刻生成的地圖與剛剛生成的地圖做匹配。
  
• 回環(huán)檢測之所以能成為一個難點，是因為：如果回環(huán)檢測成功，可以顯著地減小累積誤差，幫助機器人更精準、快速的進行避障導航工作。而錯誤的檢測結(jié)果可能使地圖變得很糟糕。因此，回環(huán)檢測在大面積、大場景地圖構(gòu)建上是非常有必要的 。
  
• 思嵐的回環(huán)檢測
  先小閉環(huán)，后大閉環(huán) ；選擇特征豐富的點作為閉環(huán)點；多走重合之路，完善閉環(huán)細節(jié)。
  
• 思嵐的超大場景下建圖完整閉合過程
  

參考

1、
2、李想–從零開始搭二維激光SLAM
3、李想–從零開始搭二維激光SLAM項目地址
4、百科–SLAM （同步定位與建圖）
5、基于SLAM的機器人的自主定位導航
6、移動機器人定位與地圖創(chuàng)建（SLAM）方法
7、知乎–同時定位和地圖構(gòu)建（SLAM）
8、干貨 | 超全SLAM技術(shù)及應用介紹
9、SLAM大法之回環(huán)檢測

總結(jié)

以上是生活随笔為你收集整理的机器人开发--二维激光SLAM介绍的全部內(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，歡迎將生活随笔推薦給好友。