|
|
@@ -1,4 +1,66 @@
|
|
|
-内容还在更新中，请关注公众号鱼香ROS，第一时间获取更新
|
|
|
+# 10.3 SLAM技术概述
|
|
|
+
|
|
|
+小伙伴们好，上一节我们搭建好了Gazebo中的仿真环境，本节课我们一起来了解一下SLAM技术。
|
|
|
+
|
|
|
+第一节中我们知道，要解决机器人自主导航问题就需要有感知（建图和定位）参与，通过感知输出机器人当前环境的地图信息和位置。而本节要讲的SLAM就是解决地图和定位问题的。
|
|
|
+
|
|
|
+## 1. SLAM是什么
|
|
|
+
|
|
|
+SLAM是同步定位与地图构建(Simultaneous Localization And Mapping)的缩写。
|
|
|
+
|
|
|
+先通过一个视频直观了解一下
|
|
|
+
|
|
|
+<iframe height="400" width="600" src="//player.bilibili.com/player.html?aid=724624445&bvid=BV1tS4y1S7qE&cid=544765528&page=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="false"> </iframe>
|
|
|
+
|
|
|
+视频中随着机器人的移动，机器人的传感器获取到了环境信息，然后完成对博物馆地图的构建。
|
|
|
+
|
|
|
+在构建的过程中你可以发现已经走过的地图还会发生变化，这就涉及到了SLAM算法的回环检测和后端优化了。
|
|
|
+
|
|
|
+> 有小伙伴可能会问，只看到建图没看到定位呀。细心观察可以发现建图的过程中，其实一直都在计算机器人的位置。
|
|
|
+
|
|
|
+## 2. SLAM如何解决建图定位问题
|
|
|
+
|
|
|
+机器人通过自身传感器数据处理进行位置估计，同时通过不断移动完成对整个未知环境的地图构建。这就是SLAM解决的问题。
|
|
|
+
|
|
|
+那又是如何解决的呢？SLAM实现的方案很多，但是几个比较关键的技术如下：
|
|
|
+
|
|
|
+1. 传感器感知
|
|
|
+ 通过各类传感器实现对环境的感知，比如通过激光雷达获取环境的深度信息。同时可以通过传感器融合来提高位置估计的精度，比如融合轮式里程计、IMU、雷达、深度相机数据等。
|
|
|
+
|
|
|
+2. 视觉/激光里程计
|
|
|
+ 基本原理是通过前后数据之间对比得出机器人位置的变化。
|
|
|
+
|
|
|
+3. 回环检测
|
|
|
+ 判断机器人是否到达之前到过的位置，可以解决位置估计误差问题，建图时可以纠正地图误差。
|
|
|
+
|
|
|
+
|
|
|
+经典视觉SLAM结构
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+## 3.SLAM开源库
|
|
|
+
|
|
|
+### 3.1. Cartographer
|
|
|
+
|
|
|
+github地址：https://github.com/cartographer-project/cartographer
|
|
|
+
|
|
|
+Cartographer是一个可跨多个平台和传感器配置以2D和3D形式提供实时同时定位和建图（SLAM）的系统。
|
|
|
+
|
|
|
+### 3.2. ORB_SLAM2(纯视觉)
|
|
|
+
|
|
|
+github地址：https://github.com/raulmur/ORB_SLAM2
|
|
|
+
|
|
|
+ORB-SLAM2是用于单目，双目和RGB-D相机的实时SLAM库，用于计算相机轨迹和稀疏3D重建
|
|
|
+
|
|
|
+### 3.3 VINS
|
|
|
+
|
|
|
+github地址：https://github.com/HKUST-Aerial-Robotics/VINS-Mono
|
|
|
+
|
|
|
+VINS-Mono是单目视觉惯性系统的实时SLAM框架。它使用基于优化的滑动窗口配方来提供高精度的视觉惯性测距。
|
|
|
+
|
|
|
+## 4.总结
|
|
|
+
|
|
|
+本节课我们简单介绍了下感知部分的技术担当SLAM，并对常用的开源库进行介绍，下一节我们就对其中的Cartograpger开源库进行介绍和安装。
|
|
|
|
|
|
--------------
|
|
|
|
sangxin
