LIO-SAM对输入的点云/imu数据太敏感，道路距离过窄过宽都容易建图失败，在没有建筑物的公园基本用不了。因此本文尝试使用对特征点要求相对较少的ndt算法，来看看在小区或公园等场景的建图效果。
Autoware—3D建图之NDT算法
发表评论
分类目录归档：定位建图slam
Pandar40P + H30IMU + LIO_SAM建图
今天开始尝试使用Lidar+IMU进行3D SLAM建图，本文记录下实验过程。
Pandar40P Lidar + H30 IMU 外参标定
在使用LIO-SAM进行Lidar+IMU建图之前，需要做两个标定工作，IMU内参标定和Lidar-IMU外参标定。IMU内参标定，可以解决其固有的测量误差问题；Lidar和IMU的外参标定(以下简称“外参标定”)。外参标定的目的是获得激光雷达和IMU之间的位置转换关系，其中包括平移关系和旋转关系，分别对应最终输出结果中的平移向量与旋转矩阵。
ROS—PGM地图文件的编辑
我们在使用SLAM建图后，为了提高显示及运行效果，通常需要对地图进行一些调整，比如点云毛刺清理、增加未知区域的边界防护等。本文主要讲解下如何对2D .gpm地图文件进行编辑修改的方法。
ROS—常见2D建图算法对比
本文主要针对常见的2D建图算法Gmapping、Hector、Karto、Cartographer进行对比，以确定在室内小场景、室外大场景下使用哪种建图算法更为合适。
ROS—Cartographer激光雷达SLAM建图
主流的激光SLAM算法有hector、gmapping、karto、cartographer。很多同学使用ROS默认自带的gmapping、hector等比较多，这次带大家一起尝试下传说中的google cartographer，看看效果差别有多大。
机器人操作系统ROS—使用激光雷达RpLidar A1进行SLAM定位建图
移动机器人在环境中获取障碍物的具体位置、房间的内部轮廓等信息都是非常必要的，这些信息是机器人创建地图、进行导航的基础数据。考虑成本，买了一个SLAMTEC公司的低成本二维激光雷达RpLidar A1进行初步的学习，它可以最快10hz的频率检测360度范围内的障碍物信息，最远检测距离12米，适合室内移动机器人使用。本文讲解如何使用它感知周围环境。
多源融合SLAM的现状与挑战
全国SLAM技术论坛由中国图象图形学学会CSIG主办，每年举办一届，邀请学术界和企业届的专家围绕SLAM技术的研究、发展以及产业化应用作技术分享。本文整理自浙江大学刘勇教授在第二届全国SLAM技术论坛中的报告。
基于VL-SLAM的无GPS自动驾驶系统研究
随着自动驾驶技术的发展，在未知环境中智能汽车的定位技术成为该领域研究的核心。目前定位技术主要的解决方案是基于全球定位系统（GPS），但是在某些特殊的环境中如下车库，没有 GPS 信号如何解决定位问题就是本文研究的关键所在。