SLAM方案选型

 

GMapping计算复杂，没有有效处理闭环的缺点，采用SubMap和Scan Match的思想构建地图，能够有效处理闭环，达到了较好的效果。依赖里程计（odometry）

优点：在长廊及低特征场景中建图效果好；

https://www.cnblogs.com/qcloud1001/p/7978238.html

Hector slam

需要雷达（LRS）的更新频率较高，测量噪声小。所以在制图过程中，需要robot速度控制在比较低的情况下，建图效果才会比较理想，这也是它没有回环（loop close）的一个后遗症；且在里程计数据比较精确的时候，无法有效利用里程计信息。

优点：不需要使用里程计，无人机

cartographer

用

重复迭代配准scan和submap的过程

把求pose的问题转换为一个求解非线性最小二乘问题

https://blog.csdn.net/u012700322/article/details/52953768

Gmapping

严重依赖里程计

Hector slam

不需要里程计，但对于雷达帧率要求很高40Hz

closing loops

cartographer

累计误差较前两种算法低，能天然的输出协方差矩阵，后端优化的输入项。成本较低的雷达也能跑出不错的效果。

https://blog.csdn.net/Jeff_Lee_/article/details/77869987

（算法及原理）