gmapping和rtab-map slam对比
来源:互联网 发布:python 1 12 123 1234 编辑:程序博客网 时间:2024/05/16 12:56
gampping算法和rtab-map slam算法对比
很开心最近有机会对比slam算法。
- gmapping
gmapping算法是通过粒子滤波的方法实现,这种方法一般需要大量的粒子来获取好的结果,但这必会引入计算的复杂度;粒子是一个依据过程的观测逐渐更新权重与收敛的过程,这种重采样的过程必然会代入粒子耗散问题(depletion problem), 大权重粒子显著,小权重粒子会消失(有可能正确的粒子模拟可能在中间的阶段表现权重小而消失).
自适应重采样技术引入减少了粒子耗散问题 , 计算粒子分布的时候不单单仅依靠机器人的运动(里程计),同时将当前观测考虑进去, 减少了机器人位置在粒子滤波步骤中的不确定性. (FAST-SLAM 2.0 的思想,可以适当减少粒子数)
2. rtab-slam
rtab-slam算法主要通过通过sift关键点进行匹配,然后估计相机运动,最后通过闭环检测减少误差。实验平台如下,对比结果如下,可以看出使用rtab-map slam算法对减少了地图匹配误差,并且边界明显。左边是gmapping,右边是rtab-map slam。
1 0
- gmapping和rtab-map slam对比
- ROS和SLAM 【gmapping】
- Gmapping、hector、Cartographer三种激光SLAM算法简单对比
- RTAB-Mapping SLAM 使用初步
- RTAB-MAP原理详解
- Microsoft Kinect 2 and ubuntu 14.04 and ROS Indigo and RGBD SLAM and RTAB Map 详细配置及comments
- RTAB-MAP安装使用教程
- ROS slam gmapping不能画地图
- ROS slam gmapping不能画地图
- [VSLAM] RTAB-Map 安装遇到问题及解决
- 用数据集跑激光slam,gmapping/karto
- 基于粒子滤波的SLAM(GMapping)算法分析
- gmapping
- 对比CMap和Map使用
- 2D-slam 激光slam: 开源代码的比较HectorSLAM Gmapping KartoSLAM CoreSLAM LagoSLAM
- 2D-slam 激光slam: 开源代码的比较HectorSLAM Gmapping KartoSLAM CoreSLAM LagoSLAM
- 2D-slam 激光slam: 开源代码的比较HectorSLAM Gmapping KartoSLAM CoreSLAM LagoSLAM
- map、set和unordered_map、unordered_set对比
- 第14周 项目6-判断是否为二叉排序树
- 数组在内存中的变化
- MYSQL自己平时会用到的一些函数(不间断更新)
- 关于审题
- EventBus 消息处理框架
- gmapping和rtab-map slam对比
- 健康栏目
- 初学0/1背包
- 健康栏目的实现
- 关于eclipse的resource文件没有发布到tomcat上的解决方案
- Linux c==网络编程、循环服务器、并发服务器、I/O多路转接
- JZOJ4912. 幻想
- KMP略解
- Scala的隐式转换与并发编程