近三年内,激光slam有哪些新的框架提出
时间: 2023-05-11 18:06:58 浏览: 95
近三年内,激光SLAM领域出现了许多新的框架,例如:LIO-SAM、LIO-Mapping、LeGO-LOAM、Laser-SLAM、Laser-SLAM2、Laser-SLAM3等等。这些框架都在不同程度上提高了激光SLAM的精度和效率。
相关问题
激光SLAM有哪些算法
激光SLAM (Simultaneous Localization and Mapping) 是指利用激光传感器实现实时环境建图与机器人位置估计的技术。目前常见的激光SLAM算法有:
1. 点云 SLAM:基于激光雷达扫描出的点云数据进行 SLAM。
2. 基于激光的占据栅格图(OGM)SLAM:基于栅格地图的 SLAM 方法,通过构建占据栅格图,估计机器人的位置。
3. 基于激光的曲线构图(CMG)SLAM:利用激光传感器数据构建曲线地图的 SLAM 方法。
4. 基于激光的特征构图(FMG)SLAM:利用激光传感器数据构建特征点地图的 SLAM 方法。
5. 基于激光的曲线特征构图(CFMG)SLAM:将点云特征和曲线特征结合起来的 SLAM 方法。
以上是常见的激光SLAM算法,不同算法有不同的优点和适用场景,需要根据具体情况选择合适的算法。
近几年主流的slam技术有哪些
近几年主流的SLAM技术有:
1. 视觉SLAM:通过相机采集场景信息,实现自主定位和地图构建,常用的算法有ORB-SLAM、LSD-SLAM和DSO等。
2. 激光SLAM:通过激光雷达采集场景信息,实现自主定位和地图构建,常用的算法有Hector SLAM、GMapping和Cartographer等。
3. 惯性导航SLAM:通过IMU(惯性测量单元)采集姿态信息,与视觉或激光数据进行融合,实现自主定位和地图构建,常用的算法有OKVIS和VINS-Mono等。
4. 多传感器融合SLAM:通过多种传感器数据进行融合,实现自主定位和地图构建,常用的算法有MSCKF、LIO-SAM和ROVIO等。
以上是近几年主流的SLAM技术,各有优劣,应根据具体应用场景选择合适的算法。