激光SLAM--(1)基础知识

1.SLAM地图划分

slam地图分为尺度地图、拓扑地图和混合地图：

• 尺度地图：具有真实的物理尺度，eg.栅格地图、点云地图，常用于SLAM、小场景路径规划栅格地图时结构化且有序的，能够直接使用位置索引查询该位置状态，查询时间复杂度为O(1)。但栅格地图对场景进行密集的切分，内存占用较大。一种常用的栅格地图格式是PGM，PGM是Portable Gray Map的缩写。
• 拓扑地图：不具备真实的物理尺度，只包含不同位置的连通关系和距离，常用于大规模的机器人路径规划
• 混合地图：是尺度地图和拓扑地图的混合，就是在拓扑地图的每个节点上有一个尺度地图。
• 语义地图（新增）：在尺度地图上添加标签，常用于人机交互。高精度地图可以为无人车提供的先验信息包括：道路曲率、航向、坡度和横坡角等信息。

2.Filter-based SLAM

• 状态预测（State Prediction）：里程计预测
• 测量预测（Measurement Prediction）
• 进行测量（Measurement）
• 数据关联（Data Association）
• 状态更新&地图更新（State & Map Update）
  

3.激光 SLAM

• 传感器：IMU、Wheel Odometry、Lidar
• 地图类型：覆盖栅格地图（对环境做出很明显的区分，比如是否可通行），点云地图。
• 帧间匹配算法：
  • ICP（Iterative Closest Point）
  • PI-ICP*（Point-to-Line Iterative Closest Point）
  • NDT（Normal Distribution Transformation）
  • CSM（Correlation Scan Match）
• 回环检测：Scan to Map（cartographer）、map to map（好像暂无）

4. 2D激光SLAM

室内机器人使用居多

• 输入输出：传感器输入，输出覆盖栅格地图或者是机器人的轨迹
• 帧间匹配算法：
  • PIICP
  • CSM
  • 梯度优化方法：非线性最小二乘优化（对初值敏感）
  • State of Art：CSM + 地图优化（cartographer）
• 回环检测方法：scan to scan，map to map，Branch and Bound（配合CSM，分枝定界）（主要时间浪费在金字塔的构建） & Lazy Decision（回环一定不能出错，所以这个方法就是要：在第一次检测到回环的时候不立刻进行回环，而是等到第二次检测到后两个一起验证一下(一致性校验矩阵），如果超过某个阈值就代表是错的）
• 注意：激光雷达的缺点就是回环信息少，所以回环这部分很重要。其次就是cartographer里面没有使用Lazy Decision，所以在几何环境比较对称的时候是比较容易回环出错的）
• Filter-based发展
  • EKF-SLAM（90年代）
  • FastSLAM（02–03）
  • Gmapping（07：主要问题，粒子传播的时候）
  • Optimal RBPF
• Graph-based发展
  • Globally Consistent Range Scan For Environment Mapping（97）
  • Incremental Mapping of Large Cyclic environment*（99）
  • Karto SLAM（10）
  • Cartographer（16）
• 2D激光SLAM的应用
  • 数据的预处理：
    • 轮式里程计的标定（初始解由轮式里程计和IMU来解得，越好的话，得到全局最优解可能性越大）：off-line（出厂标定），on-line（实际运行轮子可能形变，所以需要在线标定）
    • 激光雷达运动畸变去除
    • 不同系统之间的时间同步
  • 2d激光slam实际环境中的问题
    • 动态物体、环境变化、几个结构相似环境、地面材质变化或者凹凸不平
    • 全局定位、建图操作复杂、机器人载重的变化
  • 2D激光SLAM的趋势–与视觉融合
    • 视觉能提供高精度的里程信息和信息丰富的视觉地图
    • 能缓解上面除动态物体、环境变化和建图的操作复杂三个以外的其他问题

5. 3D激光SLAM（只写与2D的区别）

3D激光雷达数据和3D点云地图

• 帧间匹配方法：
  • Point-to-Plane ICP
  • NDT
  • Feature-based Method
• 回环检测
  • Scan-to-Scan
  • Scan-to-Map
  • Branch and Bound & Lazy Decision
• 3D激光SLAM的发展
  • LOAM-纯激光，匀速运动假设，无回环
  • V-LOAM-视觉激光融合，漂移匀速假设，无回环
  • VELO-视觉激光融合，无运动畸变假设，有回环
• 数据的预处理
  • 轮速里程计的标定
  • 激光雷达运动畸变去除
  • 不同系统之间的时间同步
• 与视觉融合
  • 3D激光雷达为视觉特征提供深度信息
  • 视觉辅助激光雷达进行运动畸变去除
  • 视觉辅助回环检测
  • 视觉提供精确里程信息
• 激光SLAM中的问题
  • 退化环境（走廊…)
  • 地图的动态更新
  • 全局定位
  • 动态环境定位