多传感器融合定位(一)——3D激光里程计

目录

一、点云地图整体流程

 二、激光里程计方案

2.1 ICP点到点

2.1.1 ICP推导

2.1.2 ICP改进

2.2 NDT

2.2.1 NDT推导

2.2.2 NDT改进

2.3 LOAM系 

2.3.1 LOAM

2.3.2 A-LOAM

2.3.3 LEGO-LOAM

 2.4 数据集及评价指标

2.4.1 KITTI简介

2.4.2 指标

一、点云地图整体流程

多传感器融合定位(一)——3D激光里程计_第1张图片

多传感器融合定位(一)——3D激光里程计_第2张图片

 二、激光里程计方案

多传感器融合定位(一)——3D激光里程计_第3张图片

2.1 ICP点到点

要求初始位姿比较好

多传感器融合定位(一)——3D激光里程计_第4张图片 

2.1.1 ICP推导

 核心思想:将旋转和平移分开求解,先求得旋转再根据旋转求平移得值多传感器融合定位(一)——3D激光里程计_第5张图片

多传感器融合定位(一)——3D激光里程计_第6张图片Trace是对角线的值, 交换相乘顺序,迹不变

多传感器融合定位(一)——3D激光里程计_第7张图片

多传感器融合定位(一)——3D激光里程计_第8张图片

多传感器融合定位(一)——3D激光里程计_第9张图片

 求解出之后,进行迭代

2.1.2 ICP改进

多传感器融合定位(一)——3D激光里程计_第10张图片

ICP是一个假设模型,点到点本身就是模糊求解,一堆点云打到同一个地方不可能完全重合。 

2.2 NDT

多传感器融合定位(一)——3D激光里程计_第11张图片

NDT计算的是两个点云的每个栅格内分布和分布之间得差异,鲁棒性高 

2.2.1 NDT推导

只需要计算第一个点云的特征分布,而不需要每次迭代都计算一下第二个点云,只需要计算第二个点云在第一个点云栅格的概率最大。 

多传感器融合定位(一)——3D激光里程计_第12张图片

多传感器融合定位(一)——3D激光里程计_第13张图片

 多传感器融合定位(一)——3D激光里程计_第14张图片

多传感器融合定位(一)——3D激光里程计_第15张图片

2.2.2 NDT改进

多传感器融合定位(一)——3D激光里程计_第16张图片

2.3 LOAM系 

2.3.1 LOAM

多传感器融合定位(一)——3D激光里程计_第17张图片

1、提取特征 

1)按线束分割

多传感器融合定位(一)——3D激光里程计_第18张图片

多传感器融合定位(一)——3D激光里程计_第19张图片多传感器融合定位(一)——3D激光里程计_第20张图片

2、帧间匹配

1)定义点到线,点到面之间的距离

多传感器融合定位(一)——3D激光里程计_第21张图片2)寻找与Rt的联系

多传感器融合定位(一)——3D激光里程计_第22张图片最完美的情况是经过旋转平移,点在线上,点在面上。

3)LM优化

多传感器融合定位(一)——3D激光里程计_第23张图片多传感器融合定位(一)——3D激光里程计_第24张图片3、合并地图点

多传感器融合定位(一)——3D激光里程计_第25张图片 

2.3.2 A-LOAM

多传感器融合定位(一)——3D激光里程计_第26张图片

F-LOAM

2.3.3 LEGO-LOAM

多传感器融合定位(一)——3D激光里程计_第27张图片

多传感器融合定位(一)——3D激光里程计_第28张图片

多传感器融合定位(一)——3D激光里程计_第29张图片

 2.4 数据集及评价指标

2.4.1 KITTI简介

多传感器融合定位(一)——3D激光里程计_第30张图片

2.4.2 指标

多传感器融合定位(一)——3D激光里程计_第31张图片 多传感器融合定位(一)——3D激光里程计_第32张图片

你可能感兴趣的:(SLAM,slam,自动驾驶,LIDAR,激光里程计)