SLAM笔记一——入门介绍
来源:互联网 发布:hashcode源码 编辑:程序博客网 时间:2024/05/22 03:10
什么是SLAM
SLAM就是Simultaneous Localization and Mapping。对于这个问题的研究已经有三十年了,因为传感器的误差和机器人运行中会出现误差,如何解决这个问题,建议一个长期稳定的SLAM系统是研究的重点。
推荐一篇论文:Past, Present, and Future of Simultaneous Localization And Mapping: Towards the Robust-Perception Age
一篇概述性的论文,介绍了SLAM的发展至2016年的状况。
SLAM中一些符号
T代表时刻
表示机器人位置的方法
通常用高斯分布来表示机器人的位置:
我们用以下这个分布来代表对机器人位置和路径的估计:
该估计为Full SLAM, 即根据所有的observations和controls来估计机器人的map和path。与之相对的是Online SLAM:
即为对之前概率分布的积分:
SLAM的难点
SLAM中的难点
1. 对于机器人的位置和地图都是未知的
2. 机器人的位置和地图的估计是相关的
3. 出现分歧:
SLAM的主流方法:
在后面会慢慢介绍
动作模型
即根据上一时刻的位置,经过控制命令u之后,来估计现在时刻t的位置。
有两种模型:
观测模型
观测模型即通过此刻的位置,我可以看到的特征点的估计
有两周模型:
0 0
- SLAM笔记一——入门介绍
- SLAM学习笔记——(一)SLAM分类
- SLAM学习笔记(一)入门
- SLAM笔记五——EKF-SLAM
- Visual SLAM入门(一)
- SLAM学习——后端(一)
- SLAM笔记二——Homogeneous坐标系
- SLAM笔记三——贝叶斯滤波器
- SLAM笔记(六)直接法介绍
- C++入门笔记(一)基础介绍
- SLAM 介绍
- SLAM 介绍
- SLAM介绍
- SLAM笔记(一)数学基础
- RGBD-SLAM(一)——深度摄像机
- SLAM学习——建图问题(一)
- RGB-D SLAM——匹配篇(一)
- SLAM笔记四——Extended Kalman Filter
- 控制行式填报表下拉日历是否可写
- 图片的等比例压缩和质量压缩,图片转化成FILE
- 在visio studio中添加项目并查看网页
- 分区表与索引的管理
- Laravel框架5.*自定义常量的方法
- SLAM笔记一——入门介绍
- C内存模型-BSS段、数据段、代码段、堆与栈
- 学历是铜牌,能力是银牌,人脉是金牌,思维是王牌(感触很深)
- 【框架基础】:Java反射机制详解(二)
- svn提交时报错: The working copy needs to be upgraded svn: Working copy 'E:\java\MyEclipse\Workspaces\fram
- 第二期 AOSP 环境搭建、下载和编译 《手机就是开发板》
- Android之数据统计TalkingData集成
- 【Android】导入第三方库时,关于so文件的一些思考
- IPC之Messenger