- 简介本文提出了一种基于优化的SLAM方法，使用2D激光扫描（和里程计）信息同时优化机器人轨迹和占据地图。其关键创新在于机器人姿态和占据地图一起优化，这与现有的占据地图策略显著不同，现有策略需要先获取机器人姿态，然后才能估计地图。在我们的公式中，地图被表示为连续的占据地图，其中环境中的每个2D点都有相应的证据值。占据SLAM问题被公式化为一个优化问题，其中变量包括所有机器人姿态和所选离散网格单元节点处的占据值。我们提出了一种变形的Gauss-Newton方法来解决这个新公式化的问题，同时获得了优化的占据地图和机器人轨迹以及它们的不确定性。我们的算法是一种离线方法，因为它基于批量优化，涉及的变量数量很大。使用模拟和公开可用的实际2D激光数据集进行的评估表明，当相对准确的初始猜测提供给我们的算法时，所提出的方法可以比现有技术更准确地估计地图和机器人轨迹。该视频展示了所提出的占据SLAM的收敛过程，比较结果与Cartographer的差异可在\url{https://youtu.be/4oLyVEUC4iY}找到。
- 图表
- 解决问题优化基于SLAM的机器人轨迹和占据地图的同时估计问题
- 关键思路将机器人姿态和占据地图一起优化，提出了一种基于高斯牛顿方法的离线优化算法，能够更准确地估计地图和机器人轨迹
- 其它亮点提出了一种新的占据地图表示方法，使用连续的占据值；算法能够同时优化机器人轨迹和地图，相比现有方法更准确；使用模拟和公开数据集进行了评估，展示了算法的优越性
- 与现有的SLAM算法和占据地图估计算法进行了比较，例如Cartographer
沙发等你来抢
去评论
评论
沙发等你来抢