国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

SLAM技術(shù)究竟又是如何實(shí)現(xiàn)的

領(lǐng)銜資訊 ? 來(lái)源:思嵐科技 ? 作者:思嵐科技 ? 2021-10-14 14:35 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

SLAM作為機(jī)器人自主定位導(dǎo)航的重要突破口正不斷引起業(yè)內(nèi)重視,它是實(shí)現(xiàn)機(jī)器人自主行走的關(guān)鍵技術(shù),可幫助機(jī)器人實(shí)現(xiàn)即時(shí)定位與地圖構(gòu)建,在實(shí)際應(yīng)用中,SLAM技術(shù)究竟又是如何實(shí)現(xiàn)的呢?一起來(lái)探個(gè)究竟。

在這一技術(shù)實(shí)現(xiàn)過(guò)程中主要包含預(yù)處理、匹配及地圖融合三大步驟:

預(yù)處理

預(yù)處理是對(duì)激光雷達(dá)原始數(shù)據(jù)進(jìn)行優(yōu)化,剔除一些有問(wèn)題的數(shù)據(jù),或進(jìn)行濾波。我們都知道機(jī)器人想要完成定位及建圖,需要搭配激光雷達(dá)來(lái)實(shí)現(xiàn),激光雷達(dá)可獲取它所在位置的環(huán)境信息,也就是我們通常說(shuō)的點(diǎn)云,但它只能反映機(jī)器人所在環(huán)境中的一個(gè)部分。

匹配

匹配是一個(gè)非常關(guān)鍵的步驟,是指將當(dāng)前一局部環(huán)境的點(diǎn)云數(shù)據(jù)在已建立的地圖上尋找到對(duì)應(yīng)的位置。說(shuō)其關(guān)鍵是因?yàn)樗苯佑绊懥薙LAM地圖構(gòu)建的精度,這與拼圖游戲有點(diǎn)類似,就是在已拼好的畫面中找到相似之處,確定新的一個(gè)拼圖該放在哪里。而在SLAM過(guò)程中,需要將激光雷達(dá)采集到的點(diǎn)云匹配拼接到原有的地圖中,如下圖的紅色部分:

如果未進(jìn)行匹配,所構(gòu)建的地圖便會(huì)很混亂

地圖融合

在匹配這一步驟完成后便可直接進(jìn)入地圖融合了,地圖融合就是將來(lái)自激光雷達(dá)的新數(shù)據(jù)拼接到原始地圖當(dāng)中,并最終完成地圖的更新。如下圖,該過(guò)程是永遠(yuǎn)伴隨著SLAM過(guò)程的。

當(dāng)然,在實(shí)際應(yīng)用過(guò)程中,傳感器所描繪的世界與實(shí)際情況會(huì)有所誤差,機(jī)器人所在環(huán)境很容易出現(xiàn)變化,例如突然走進(jìn)一個(gè)人或闖入一只小貓。面對(duì)復(fù)雜的應(yīng)用環(huán)境,需要用到很多概率算法,并采用濾波的方式進(jìn)行融合,將以上過(guò)程依次執(zhí)行后,最終就產(chǎn)生了我們所看到的柵格地圖。

柵格地圖就是把環(huán)境劃分成一系列柵格,其中每一柵格給定一個(gè)可能值,表示該柵格被占據(jù)的概率。這種地圖看起來(lái)和人們所認(rèn)知的地圖沒(méi)什么區(qū)別,它最早由 NASA 的 Alberto Elfes 在 1989 年提出,在火星探測(cè)車上就用到過(guò),其本質(zhì)是一張位圖圖片,但其中每個(gè)「像素」則表示了實(shí)際環(huán)境中存在障礙物的概率分布。

以上過(guò)程聽起來(lái)似乎并不復(fù)雜,但要處理好還是有很大難度的,比如實(shí)現(xiàn)機(jī)器人回環(huán)問(wèn)題時(shí),如果匹配算法不夠精準(zhǔn),或在現(xiàn)實(shí)環(huán)境中存在很多干擾,可能出現(xiàn)繞環(huán)境一圈后,原本該閉合的一個(gè)環(huán)形走道被斷開了。

比如正常地圖應(yīng)該像左邊圖這樣,但如果處理不好,就有可能變成右邊圖的樣子。

在環(huán)境較大的場(chǎng)景中,回環(huán)問(wèn)題是不得不面對(duì)的,但在現(xiàn)實(shí)中即使是像激光雷達(dá)這種高精度的傳感器,也難免會(huì)存在一些誤差。該問(wèn)題的難點(diǎn)在于在剛開始出現(xiàn)些許誤差時(shí)并不易發(fā)掘,直到機(jī)器人繞著環(huán)路一圈,才發(fā)現(xiàn)誤差的累加,但此時(shí)發(fā)現(xiàn)已經(jīng)晚了,環(huán)路閉合問(wèn)題已很難解決了。當(dāng)然該問(wèn)題也并不是完全無(wú)解,一個(gè)好的商用化SLAM系統(tǒng)便能很好的解決回環(huán)問(wèn)題。回環(huán)問(wèn)題能否很好的解決,也成為評(píng)判該系統(tǒng)實(shí)力的指標(biāo)了。

以上是思嵐科技工作人員在辦公室進(jìn)行的測(cè)試,左邊的視頻是基于開源的ROS機(jī)器人操作系統(tǒng)進(jìn)行的地圖構(gòu)建,右邊的是基于SLAMWARE構(gòu)建的地圖。當(dāng)機(jī)器人繞場(chǎng)一周后,ROS構(gòu)建的地圖出現(xiàn)了中斷,而SLAMWARE構(gòu)建的地圖是一個(gè)完美的閉環(huán),它與思嵐科技辦公室的設(shè)計(jì)圖完美重合。
責(zé)任編輯:haq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 機(jī)器人
    +關(guān)注

    關(guān)注

    213

    文章

    31079

    瀏覽量

    222258
  • SLAM
    +關(guān)注

    關(guān)注

    24

    文章

    457

    瀏覽量

    33325
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    SLAM如何為自動(dòng)駕駛提供空間感知能力?

    ,并精準(zhǔn)地判斷自己與障礙物的距離。這種看似本能的空間感知能力,在工程學(xué)領(lǐng)域被具象化為同步定位與地圖構(gòu)建技術(shù),即我們常說(shuō)的SLAM。在自動(dòng)駕駛的發(fā)展進(jìn)程中,SLAM不僅是車輛在未知環(huán)境中“生存”的技能,更是其
    的頭像 發(fā)表于 02-09 09:12 ?415次閱讀
    <b class='flag-5'>SLAM</b>如何為自動(dòng)駕駛提供空間感知能力?

    什么是激光雷達(dá) 3D SLAM技術(shù)

    在智能移動(dòng)設(shè)備自主運(yùn)行的賽道上,激光雷達(dá)3DSLAM技術(shù)正成為破局關(guān)鍵,但多數(shù)人對(duì)其認(rèn)知仍停留在表層。要讀懂這一核心技術(shù),不妨先回溯“SLAM”的本質(zhì)——SLAM
    的頭像 發(fā)表于 12-02 19:23 ?587次閱讀
    什么是激光雷達(dá) 3D <b class='flag-5'>SLAM</b><b class='flag-5'>技術(shù)</b>?

    FPGA和GPU加速的視覺(jué)SLAM系統(tǒng)中特征檢測(cè)器研究

    特征檢測(cè)是SLAM系統(tǒng)中常見(jiàn)但耗時(shí)的模塊,隨著SLAM技術(shù)日益廣泛應(yīng)用于無(wú)人機(jī)等功耗受限平臺(tái),其效率優(yōu)化尤為重要。本文首次針對(duì)視覺(jué)SLAM流程開展硬件加速特征檢測(cè)器的對(duì)比研究,通過(guò)對(duì)比
    的頭像 發(fā)表于 10-31 09:30 ?666次閱讀
    FPGA和GPU加速的視覺(jué)<b class='flag-5'>SLAM</b>系統(tǒng)中特征檢測(cè)器研究

    全新輕量級(jí)ViSTA-SLAM系統(tǒng)介紹

    無(wú)需相機(jī)內(nèi)參、極致輕量的前端(前端模型大小僅為同類35%),實(shí)時(shí)單目視覺(jué)SLAM,ViSTA-SLAM。與現(xiàn)有方法相比,ViSTA-SLAM不僅更輕、更快,在相機(jī)跟蹤和密集3D重建質(zhì)量方面也均表現(xiàn)出色。
    的頭像 發(fā)表于 09-22 15:53 ?923次閱讀
    全新輕量級(jí)ViSTA-<b class='flag-5'>SLAM</b>系統(tǒng)介紹

    紅外測(cè)溫技術(shù):原理、應(yīng)用與精準(zhǔn)測(cè)量指南

    在我們?nèi)粘I钪校t外測(cè)溫技術(shù)早已無(wú)處不在:從公共場(chǎng)所的體溫篩查,到工業(yè)設(shè)備的熱度檢測(cè),甚至家用額溫槍的使用,都離不開這項(xiàng)技術(shù)。那么,什么是紅外測(cè)溫?它又是如何工作的?使用時(shí)需要注意哪些事項(xiàng)?本文將帶你一探
    的頭像 發(fā)表于 09-18 14:48 ?1626次閱讀
    紅外測(cè)溫<b class='flag-5'>技術(shù)</b>:原理、應(yīng)用與精準(zhǔn)測(cè)量指南

    實(shí)現(xiàn)環(huán)境計(jì)算真正的瓶頸究竟在哪里

    20世紀(jì)90年代初,計(jì)算機(jī)科學(xué)家Mark Weiser提出了“泛在計(jì)算”的理念,其核心思想是讓技術(shù)融入日常生活環(huán)境中[1]。盡管智能家居組件、傳感器網(wǎng)絡(luò)和智能設(shè)備取得了進(jìn)展,但環(huán)境計(jì)算這一概念依然難以實(shí)現(xiàn)。如今,我們已經(jīng)擁有了硬件基礎(chǔ)和連接能力。那么,真正的瓶頸
    的頭像 發(fā)表于 09-10 16:21 ?821次閱讀

    SLAM技術(shù)在智能駕駛領(lǐng)域的應(yīng)用

    隨著人工智能和自動(dòng)駕駛技術(shù)的進(jìn)步,車輛搭載的輔助駕駛系統(tǒng)可以實(shí)現(xiàn)越來(lái)越強(qiáng)的功能,如自適應(yīng)巡航、高級(jí)變道輔助及自動(dòng)泊車等。為了在復(fù)雜環(huán)境下對(duì)這些高階功能實(shí)現(xiàn)支持,需要對(duì)車輛自身的位置以及車輛周圍的環(huán)境
    的頭像 發(fā)表于 09-09 17:04 ?1253次閱讀
    <b class='flag-5'>SLAM</b><b class='flag-5'>技術(shù)</b>在智能駕駛領(lǐng)域的應(yīng)用

    一種適用于動(dòng)態(tài)環(huán)境的自適應(yīng)先驗(yàn)場(chǎng)景-對(duì)象SLAM框架

    由于傳統(tǒng)視覺(jué)SLAM在動(dòng)態(tài)場(chǎng)景中容易會(huì)出現(xiàn)嚴(yán)重的定位漂移,本文提出了一種新穎的基于場(chǎng)景-對(duì)象的可靠性評(píng)估框架,該框架通過(guò)當(dāng)前幀質(zhì)量指標(biāo)以及相對(duì)于可靠參考幀的場(chǎng)景變化,全面評(píng)估SLAM的穩(wěn)定性。
    的頭像 發(fā)表于 08-19 14:17 ?874次閱讀
    一種適用于動(dòng)態(tài)環(huán)境的自適應(yīng)先驗(yàn)場(chǎng)景-對(duì)象<b class='flag-5'>SLAM</b>框架

    解析尋跡智行3D SLAM無(wú)人叉車的&quot;智慧&quot;從何而來(lái)?(本文純干貨)

    尋跡智行率先研發(fā)成功3D SLAM激光導(dǎo)航技術(shù)在無(wú)人叉車領(lǐng)域應(yīng)用并實(shí)現(xiàn)規(guī)模化量產(chǎn),成功突破高精度環(huán)境感知與自主決策的技術(shù)瓶頸,重新定義倉(cāng)儲(chǔ)物流的智能化標(biāo)準(zhǔn)。
    的頭像 發(fā)表于 07-22 11:53 ?545次閱讀
    解析尋跡智行3D <b class='flag-5'>SLAM</b>無(wú)人叉車的&quot;智慧&quot;從何而來(lái)?(本文純干貨)

    基于深度學(xué)習(xí)的增強(qiáng)版ORB-SLAM3詳解

    ORB-SLAM3雖是當(dāng)前最先進(jìn)的SLAM之一,但由于使用傳統(tǒng)的ORB(定向FAST和旋轉(zhuǎn)BRIEF)特征,在尺度、旋轉(zhuǎn)和光照發(fā)生顯著變化時(shí)可能會(huì)表現(xiàn)出局限性。
    的頭像 發(fā)表于 07-14 17:21 ?1716次閱讀
    基于深度學(xué)習(xí)的增強(qiáng)版ORB-<b class='flag-5'>SLAM</b>3詳解

    一種適用于動(dòng)態(tài)環(huán)境的實(shí)時(shí)RGB-D SLAM系統(tǒng)

    近期用于視覺(jué)SLAM的3D高斯?jié)姙R(3DGS)技術(shù)在跟蹤和高保真建圖方面取得了顯著進(jìn)展。然而,其順序優(yōu)化框架以及對(duì)動(dòng)態(tài)物體的敏感性限制了其在現(xiàn)實(shí)場(chǎng)景中的實(shí)時(shí)性能和魯棒性。為此,我們提出
    的頭像 發(fā)表于 07-04 15:14 ?1288次閱讀
    一種適用于動(dòng)態(tài)環(huán)境的實(shí)時(shí)RGB-D <b class='flag-5'>SLAM</b>系統(tǒng)

    三維高斯?jié)姙R大規(guī)模視覺(jué)SLAM系統(tǒng)解析

    近期興起的神經(jīng)輻射場(chǎng)(NeRF)與三維高斯?jié)姙R(3DGS)技術(shù)在視覺(jué)SLAM中展現(xiàn)出令人鼓舞的突破性成果。然而,當(dāng)前主流方法多依賴RGBD傳感器,并且僅適用于室內(nèi)環(huán)境。在大規(guī)模室外場(chǎng)景中的重建魯棒性
    的頭像 發(fā)表于 05-27 14:13 ?1575次閱讀
    三維高斯?jié)姙R大規(guī)模視覺(jué)<b class='flag-5'>SLAM</b>系統(tǒng)解析

    【「# ROS 2智能機(jī)器人開發(fā)實(shí)踐」閱讀體驗(yàn)】視覺(jué)實(shí)現(xiàn)的基礎(chǔ)算法的應(yīng)用

    與地圖構(gòu)建:讓機(jī)器人理解環(huán)境 第8章聚焦SLAM(同步定位與地圖構(gòu)建)技術(shù),介紹了SLAM Toolbox和Cartographer兩大主流框架。我的學(xué)習(xí)體會(huì)如下: SLAM的核心原
    發(fā)表于 05-03 19:41

    【「# ROS 2智能機(jī)器人開發(fā)實(shí)踐」閱讀體驗(yàn)】+ROS2應(yīng)用案例

    的知識(shí),還需要對(duì)ROS 2的節(jié)點(diǎn)通信和數(shù)據(jù)處理有一定的了解。通過(guò)實(shí)踐這一部分內(nèi)容,我掌握了如何在ROS 2中實(shí)現(xiàn)二維碼識(shí)別,這對(duì)于提高機(jī)器人的智能性和交互性具有重要意義。 地圖構(gòu)建:SLAM技術(shù)
    發(fā)表于 04-27 11:42

    一種基于點(diǎn)、線和消失點(diǎn)特征的單目SLAM系統(tǒng)設(shè)計(jì)

    本文提出了一種穩(wěn)健的單目視覺(jué)SLAM系統(tǒng),該系統(tǒng)同時(shí)利用點(diǎn)、線和消失點(diǎn)特征來(lái)進(jìn)行精確的相機(jī)位姿估計(jì)和地圖構(gòu)建,有效解決了傳統(tǒng)基于點(diǎn)特征的SLAM的局限性。
    的頭像 發(fā)表于 03-21 17:07 ?1051次閱讀
    一種基于點(diǎn)、線和消失點(diǎn)特征的單目<b class='flag-5'>SLAM</b>系統(tǒng)設(shè)計(jì)