Gmapping学习心得

  • 机器人地图一般分为三种类型:栅格地图,拓扑地图,特征地图
  • 机器人在创建地图时,使用多个传感器融合数据,提高创建地图的精度『内部传感器数据的融合通过卡尔满滤波完成,在长时间的运行时会有较大的误差,可以通过外部的激光传感器或者深度相机进行机器人位置和姿态的修正
  • 数据关联:1.已经存在的环境特征2.新的环境特征3.噪声数据
  1. 机器人对采集回来的数据(观测值)进行分析,若为已经存在的数据,则利用这一新的观测值去矫正已经在地图中存在的位置特征和地图信息
  2. 若为新数据,则增加到地图信息中,并更新地图;
  3. 若采集回来的数据为噪声数据,则利用相关滤波,对噪声进行剔除(随着地图的增大,在计算机中的数据关联的计算的复杂度会大大增加)

  • 机器人在创建地图的过程中存在许多的误差(一般指的是在机器人运动的过程中由于惯性导航,里程计,电机的旋转角度等等在机器人运行时间较长的时候会有较大的累计误差),消除误差也是slam研究的一个重点方向
  • 坐标系:一般包括三个坐标系:map(全局地图坐标系),base_link(机器人坐标系),base_laser(传感器坐标系),三个坐标系通过一个变换矩阵可以将不同坐标系下的坐标信息放到同一个坐标系下(在ROS操作系统中,提供了现成的库)
  • 机器人 模型(两轮差分驱动)
  • Gmapping学习心得_第1张图片
  • 传感器观测模型
  • Gmapping学习心得_第2张图片


未完待续。。。

你可能感兴趣的:(slam,gmapping)