没有合适的资源?快使用搜索试试~ 我知道了~
首页SLAM综述论文整理分享
SLAM综述论文整理分享
需积分: 0 56 下载量 43 浏览量
更新于2023-05-05
评论 8
收藏 488KB PDF 举报
里面包含了对于激光SLAM、视觉SLAM、多传感器融合SLAM的发展,各种方法的优缺点的整理,引用整理了多篇论文,有需要的可以自行查看
资源详情
资源评论
资源推荐
第一章 SLAM 发展
SLAM 技术历经古典时代 (1986—2004)、算法分析时代(2004—2015)、鲁棒
性时代(2015—) 。
第二章 激光 SLAM
图 2.1 激光 SLAM 流程图
当前,激光 SLAM 框架一般分为前端扫描匹配、后端优化、闭环检测、地图
构建四个关键模块。前端扫描匹配是激光 SLAM 的核心步骤,工作内容是已知前
一帧位姿并利用相邻帧之间的关系估计当前帧的位姿;前端扫描匹配能给出短时
间内的位姿和地图,但由于不可避免的误差累积,后端优化正是当长时间增量式
扫描匹配后优化里程计及地图信息;闭环检测负责通过检测闭环而减少全局地图
的漂移现象,以便生成全局一致性地图;地图构建模块负责生成和维护全局地图。
2.1. 前端扫描匹配
迭代最临近点(iterative closest point)及变种:
ICP:利用待匹配的两帧点云欧氏距离最小化,恢复相对位姿变换信息。若已
知对应点可直接计算出 R 和 T 的闭式解;若未知对应点则需要迭代(EM 算法的
特例)。
图 2.2 ICP 算法流程
PL-ICP(point to line):2D 激光 SLAM
图 2.3 PL-ICP 算法流程
PP-ICP(point to plane):3D 激光 SLAM
表 2.1 ICP.PL-ICP 和 PP-ICP 比较
算法
误差函数
收敛速度
求解精度
不足
ICP
点对点距离
一阶收敛
较低
计算成本大;由于激光点 的
不连续性,ICP 会造成误匹配
引入额外的误差,在退化环
境中迅速地累积误差,如长
直的走廊。
PL-ICP
点对线距离
二阶收敛
较高,适用于 2D
激光 SLAM
PL-ICP 相比 ICP 对初始值更
敏感,容易陷入局部极值;
对于大旋转情况下的算法不
够鲁棒
PP-ICP
点对面距离
二阶收敛
高,适用于 3D 激
光 SLAM
需要从大量的三维激光点中
提取特征点
相关性扫描匹配(correlation scan match)
由 Olson 提出的 CSM 算法,其匹配的似然场模型高度非凸,存在很多局部
极值。由于进行暴力匹配,排除初值敏感的影响,这是与前面三种匹配方法的最
大区别。CSM 算法流程如下图所示,该方法是对环境分辨率细分的,精度会受
限于分辨率。另外该种方法能够通过加速策略来降低计算量,例如分支定界方法。
图 2.4 CSM 算法流程
基于优化方法(optimization-based method)
给定一个目标函数,把激光数据扫描匹配问题建模成非线性最小二乘优化问
题,该方法帮助限制误差的累积。基于优化的方法最大问题是对初值敏感,若初
值选择恰当,由于对地图进行插值,建图精度往往会比较高,典型代表是
Hector-SLAM 中的匹配方法。
正态分布变换(normal distribution transformation)
Biber 等人提出的 NDT 算法,最开始作为一种二维的匹配方法,由 Magnusson
将该算法应用到三维的匹配中,是把地图看成很多高斯分布的集合,不需要通过
搜索,直接最小化目标函数便能得到转换关系,计算量小,速度较快。NDT 方法
在 3D 激光 SLAM 与纯定位中使用较多。
基于特征的匹配(feature-based method)
Monar 等人通过匹配从激光扫描提取的特征点来改善计算成本,类似于视觉
SLAM 中的基于特征匹配的方法。Zhang 等人在每次扫描中专注于边和平面特征并
将它们保存在地图中以便进行边线和平面与平面的匹配,该方法适用于 3D 激光
SLAM。
其他匹配方法
Deschaud 基于特定的采样策略和扫描到模型(scan-to-model)的匹配方式
提出一种纯 3D 激光 SLAM 算法。
在结合深度学习方面,Nicolai 等人利用 VLP-16 采集 3D 点云数据,将其投
影到 2D 平面生成深度图像,利用 CNN 网络训练,得到端到端的匹配结果,其运
行速度明显快于传统 ICP 匹配方法。
另外,针对无法获得较好初始条件的激光雷达数据匹配问题,Bosse 等人提
出基于投影直方图和熵序列为迭代扫描匹配直接计算初始条件的新方法,将旋转
和平移估计分解成一系列的相关性直方图。Checchin 等人将该任务视为影像匹
配问题,利用毫米波雷达采集的深度数据,经过 Fourier-Mellin 变换,通过相
关方法对相邻帧之间的刚体变换进行自动计算和全局估计。与上述全局策略相反,
一些国外学者提出基于遗传算法的扫描匹配。Martínez 等人提出使用一种解空
间的遗传搜索方法来获取初始条件,将 ICP 的误差度量作为适应度函数,然后评
估并改变一组初始估计直到留下单个的主导变换。Lenac 等人介绍一种基于相关
性度量的遗传搜索去寻找粗略的初始条件,通过 ICP 算法能够优化遗传搜索的结
果。Cor-so 提出了一种抗离群点的分段遗传扫描匹配(FGSM)算法,该算法能够
在初始条件较差的情况下精确扫描匹配。首先使用 Phillips 等人提出的分段均
方根距离度量来极大地排除离群点干扰。然后通过变换函数,遗传扫描匹配算法
仅搜索目标函数的局部最小值,为了改善计算成本又提出了一种解空间离散化方
法。
目前,在 2D 激光 SLAM 中,最流行的匹配方法是 CSM 与梯度优化结合使用,
典型的开源方案是 Cartographer。在 3D 激光 SLAM 中,最流行的匹配方法是基
于特征的匹配,典型的开源方案是 LOAM。
2.2. 后端优化
在激光 SLAM 中,对于解决遗留的局部误差累积的两种普遍做法是基于滤波
器的后端和基于图优化的后端。
基于滤波器
基于滤波器的激光 SLAM 是一个贝叶斯估计的过程,包括里程计预测、测量
预测、进行测量、数据关联、状态更新以及地图更新。下表对几种滤波的形式进
行了总结。
在基于滤波器的激光 SLAM 中常常采用粒子滤波(PF)作为数学优化的框架,
当表达较小的尺寸环境时,Tipaldi 等人提出不需要每个粒子的栅格地图,能够
减少资源需求量,当需要更新栅格地图时,Strom 建议计算子图,只在必要时更
新,使得最终图是所有子图的栅格化。
表 2.2 滤波的形式
滤波器形式
描述
卡尔曼滤波(KF)
递归的线性高斯系统最优估计
扩展卡尔曼滤波(EKF)
当非线性非高斯系统时,将在工作点附近近
似为线性高斯进行处理
迭代卡尔曼滤波(IEKF)
对工作点进行迭代
无迹卡尔曼滤波(UKF)
没有线性化近似,而是把 sigma 点进行非线
性变换后再用高斯分布近似
离子滤波(PF)
去掉高斯假设,直接采用蒙特卡洛的方式,
以粒子作为采样点来描述分布
基于图优化
利用图论的方式来表示机器人 SLAM 过程,将机器人的位姿用节点(node)表
示,将节点之间的空间约束关系用边(edge)表示,机器人在建图的过程中会积累
误差,通过非线性最小二乘方法来优化建图过程中累积的误差,即优化方式为同
时考虑所有帧间约束,并迭代线性化求解。Bosse 等人介绍的基于图优化的方法、
局部扫描到扫描的匹配以及基于子图特征的直方图的匹配应用在室外 SLAM 系
统。激光 SLAM 目前最流行的后端优化方法是基于图优化的数学框架。
2.3. 闭环检测与验证
2.3.1. 闭环检测
闭环问题是数据关联问题的重要一类,利用闭环这一约束条件来达成拓扑一
致的轨迹地图,闭环检测问题是激光数据扫描匹配结果相似性的问题。
帧与帧闭环检测(scan-to-scan)
Olson 采用的相关性扫描匹配,通过旋转和平移判断两帧激光数据的相似性,
达到闭环检测的效果。但由于单帧激光数据的信息量少,容易和其他相似度高的
数据发生错误匹配,不适用 2D 激光 SLAM。
帧与子图闭环检测(scan-to-map)
剩余21页未读,继续阅读
刘瑢琦
- 粉丝: 7
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- RTL8188FU-Linux-v5.7.4.2-36687.20200602.tar(20765).gz
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
- SPC统计方法基础知识.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0