SLAM学习--2D激光SLAM--入门学习

一、学习心得记录（不一定对）：转载了很多博主的网站，若侵权，告知必删

1. 激光slam 和视觉slam 实际在实现的时候完全是两码事，可能根本思想差不多，特别是非线性优化方面，但是实现方案差距较大，需要转变思维。

2. 2D激光slam和3D激光slam 的实现方案还是有些区别,3D目前主要用在室外无人车或者送快递机器人等； 2D主要用在室内环境，家用扫地机器人 、工厂货仓环境、室内（建筑物内）移动机器人（送餐，护士送药）等。

3. ROS wiki 和 中文版社区创客智造里面有很多现成的基于ros的软件包，按照教程 自己安装好之后，可以在gazebo仿真环境 用gmapping等算法 扫描建图； 建完图后  也有导航包 供调用 从起始点 路径规划并导航 运动至 终点； 按照教程执行相应的指令即可。

4. 真的想弄懂2D激光slam的具体实现原理又是一码事了。《概率机器人》教材看了头疼，不适合小白做入门，适合有一定积累后的理论参考和升华。

5. 最好先知道2D激光雷达的硬件物理原理（淘宝搜激光雷达 看一下长什么样子，宝贝详情里面的介绍，各种参数，扫描一周的数据值等，买一个实际操作最好）

    https://blog.csdn.net/weixin_44501612/article/details/106831793?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

这个博客，里面有ros官方给的激光数据类型，可以查看一下

 

二、学习参考博客

1. 简单介绍类

 激光SLAM算法学习（一）——激光SLAM简介： https://blog.csdn.net/qq_34675171/article/details/90552793

激光SLAM算法学习（二）——2D激光SLAM  ： https://blog.csdn.net/qq_34675171/article/details/90573253

激光SLAM算法学习（三）——3D激光SLAM  ：https://blog.csdn.net/qq_34675171/article/details/90573305

2D激光SLAM的输入： IMU数据、里程计数据、2D激光雷达数据

2D激光SLAM的输出： 覆盖栅格地图 、机器人的轨迹 or PoseGraph

2D激光SLAM的帧间匹配方法：PI-ICP、梯度优化方法<——hector_slam、CSM(Correlation Scan Match)、State of Art: CSM+梯度优化

2D激光SLAM的回环检测方法：Scan-to-Map、Map-to-Map、Branch and Bound & Lazy Decision

2D激光SLAM的发展——时间
Filter-based
EKF-SLAM----90年代、Gmapping----2007、FastSLAM----2002~03、Optimal RBPF----2010
Graph-based
Globally Consistent Range Scan For Environment Mapping----1997、Karto SLAM----2010、Incremental Mapping of Large Cyclic Environments----1999、Cartographer----2016

2D激光SLAM的应用  数据的预处理—非常重要！！！、轮式里程计的标定、不同系统之间的时间同步、激光雷达运动畸变去除

实际环境中的问题：动态物体、环境变化、几何结构相似环境、建图的操作复杂、全局定位、地面材质的变化、地面凹凸不平、机器人载重的改变

2. 知乎上大佬 从零开始做激光SLAM（文章汇总）

https://zhuanlan.zhihu.com/p/113616755

3. CSDN博客 一起做激光SLAM 系列，作者自己实现的3D激光slam系统 可供参考https://me.csdn.net/unlimitedai

一起做激光SLAM[一]ros里SLAM常用功能的熟悉：https://blog.csdn.net/unlimitedai/article/details/107569240

一起做激光SLAM[二]提取特征点和地面点：https://blog.csdn.net/unlimitedai/article/details/107676686

一起做激光SLAM[三]位姿估计，ceres优化，地图构图：https://blog.csdn.net/unlimitedai/article/details/107701861

一起做激光SLAM[四]常见SLAM技巧使用效果对比，后端 ：https://blog.csdn.net/unlimitedai/article/details/108064632

一起做激光SLAM[五]ICP匹配用于闭环检测：https://blog.csdn.net/unlimitedai/article/details/108359360

 

三、国外网站

  Prof. Dr. C. Stachniss     gmapping论文的团队负责人教授    德国 波恩大学 Cyril  Stachniss   ：   https://www.ipb.uni-bonn.de/teaching/