😏1. Обзор лазерного SLAM.

SLAM（Синхронное позиционирование икартастроить）это своего родаробот Технология восприятия,Используется для одновременного определения местоположения робота и построения карты в неизвестной среде.

Laser SLAM использует лазерный датчик робота для сканирования окружающей среды, объединяет данные облака лазерных точек с текущим положением робота, строит карту окружающей среды в реальном времени с помощью вычислений и алгоритмов оптимизации и оценивает точное положение робота на карте. Таким образом, робот может не только воспринимать окружающие препятствия, стены и другую информацию в режиме реального времени в неизвестной среде, но также оценивать свое собственное положение, тем самым решая такие задачи, как планирование пути, объезд препятствий и навигация.

Основная идея лазерного SLAM заключается в одновременном позиционировании робота и построении карты, используя такую ​​информацию, как данные лазерного сканирования и модели движения, для достижения автономной навигации и создания точных карт в неизвестных средах.

Согласно различным стандартам классификации, обычно существует два метода классификации лазерного SLAM:

1. Лазерный SLAM на основе фильтров и лазерный SLAM на основе графов
2. Лазерный SLAM на основе функций и лазерный SLAM на основе глобального сканирования

Благодаря лазерной технологии SLAM роботы могут достичь автономного восприятия и навигации, не полагаясь на внешние системы позиционирования, и широко используются в таких областях, как беспилотные транспортные средства, дроны, интеллектуальные роботы и промышленная автоматизация.

😊2. Общая основа лазерного SLAM.

Общая структура лазерного SLAM обычно содержит следующие основные компоненты:

1. Сбор и предварительная обработка данных: сначала Laser SLAM необходимо получить данные лазерного сканирования окружающей среды. Этого можно достичь с помощью лазерных датчиков, таких как лидар. Полученные лазерные данные могут содержать шум или неполную информацию, поэтому для улучшения качества данных требуется предварительная обработка, такая как шумоподавление, завершение и т. д.

2. Извлечение и описание объектов. Извлекайте ключевые ориентиры или характерные точки, такие как углы, края и т. д., из данных лазерного сканирования. Обычно необходимо использовать алгоритмы выделения признаков, такие как обнаружение углов Харриса, извлечение сегментов линий и т. д. При этом описывается каждая характерная точка и генерируется дескриптор особенности, который может характеризовать ее атрибуты и местоположение, например SIFT, SURF и т. д.

3. Инициализация. Вначале необходимо оценить начальную позу робота. Это может быть достигнуто с помощью информации одометра, инерциального навигационного блока (IMU) или других датчиков. Для оценки начальной позы также можно использовать эвристические методы, такие как случайное размещение робота и выполнение итеративной оптимизации.

4. Самопозиционирование: на основе лазерных данных и модели движения робота самопозиционирование выполняется с помощью фильтров (таких как расширенный фильтр Калмана, фильтр частиц). Фильтр оценивает положение и ориентацию робота на карте путем объединения данных одометрии с данными лазерного сканирования.

5. Построение карты: используйте такие методы, как сопоставление характерных точек или глобальное сканирование, чтобы объединить данные лазерного сканирования с информацией о позе робота для построения карты. Карты могут быть представлены в виде облаков точек, сеточных карт или топологических карт в пространстве.

6. Обнаружение и оптимизация с обратной связью. Во время длительного процесса SLAM робот может проходить через области, которые были исследованы ранее, вызывая проблемы с обратной связью. Путем обнаружения замкнутых петель и использования алгоритма обнаружения петель можно оптимизировать предыдущие траектории и карты для уменьшения ошибок.

7. Постепенные обновления и внутренняя оптимизация. По мере того, как робот движется и данные продолжают накапливаться, требуются дополнительные обновления карты и траектории, а алгоритмы глобальной оптимизации используются для дальнейшей оптимизации согласованности и точности всей системы.

8. Оптимизация в реальном времени. При практическом применении SLAM очень важна производительность в реальном времени. Следовательно, алгоритм также должен учитывать эффективность вычислений и потребление ресурсов, например, использование алгоритмов быстрого поиска и снижение сложности вычислений для повышения производительности в реальном времени.

😆3. Часто используемые рамки и характеристики лазерного SLAM.

Наиболее распространенное применение двумерного лазерного SLAM — это подметальные роботы.

Сообщество ROS предоставляет множество алгоритмов 2D SLAM, которые можно использовать напрямую или разрабатывать вторично:

1. gmapping: этот пакет функций предоставляет алгоритм SLAM, основанный на фильтрах частиц, который может использовать 2D-лидар для построения карты окружающей среды.

aptУстановить：sudo apt-get install ros-melodic-slam-gmapping

1. hector_slam: Этот пакет функций предоставляет алгоритм SLAM, основанный на инверсии измерительного луча (рейкастинг).,Одометр не требуетсяданные,Окружающую среду можно построить непосредственно с помощью 2D-лидара.

aptУстановить：sudo apt-get install ros-melodic-hector-slam

1. картограф: Этот пакет функций предоставляет высококачественный алгоритм SLAM в реальном времени, который может использовать 2D-лидар для построения карты окружающей среды.
2. laser_scan_matcher: Этот пакет функций предоставляет алгоритм сопоставления данных лидара, который можно использовать для позиционирования, коррекции и навигации робота.
3. karto_slam: Этот пакет функций предоставляет алгоритм SLAM, основанный на оптимизации графа, который может использовать 2D-лидар для построения карты среды.
4. Gridmap: этот пакет функций предоставляет структуру данных и алгоритм для 2D-карты среды, которая позволяет легко обрабатывать и анализировать 2D-карту.

В настоящее время большинство умных автомобилей используют трехмерный лидар. Также существует множество алгоритмов с открытым исходным кодом для 3D SLAM, которые можно использовать напрямую или для вторичной разработки:

1. OctoMap: этот пакет функций предоставляет алгоритм создания трехмерной карты среды, которая может использовать такие датчики, как лидар.
2. LOAM（Lidar Odometry and Картографирование): LOAM — это метод SLAM в реальном времени, основанный на лидаре. Он вычисляет позу и движение робота, сегментируя данные облака точек на характерные точки и точки на местности, используя сопоставление сканирований и оценку одометрии, одновременно создавая плотную карту. LOAM характеризуется хорошей производительностью в режиме реального времени и подходит для быстродействующей работы. LOAM — это сканирование to Представитель формы сопоставления объектов сканирования (т. е. входное облако точек для сканирования разделяется на плоские точки и краевые точки в соответствии с кривизной, а уравнение оптимизации строится в соответствии с уравнением оптимизации расстояния для решения проблемы изменения позы). Что-то вродеоптимизацияпозжеLOAM：https://github.com/SlamCabbage/Optimized-SC-F-LOAM
3. LeGO-LOAM: LeGO-LOAM — это улучшенная версия LOAM, в основном разработанная для систем мобильных роботов. Он представляет глобальную карту и модули обнаружения с обратной связью для повышения точности и надежности позиционирования. LeGO-LOAM также имеет низкую вычислительную сложность и небольшое потребление ресурсов, что делает его подходящим для встроенных систем и сред с ограниченными ресурсами. LeGO-LOAMИсходный код：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM бегать：roslaunch lego_loam run.launch
4. LIO-SAM（Lidar Odometry and SLAM): LIO-SAM — лазерный метод SLAM, основанный на многокадровой оптимизации. Он использует локальную карту, сгенерированную данными лидара, для сопоставления функций и оптимизации позы, одновременно решая проблему корреляции данных традиционными методами фильтрации. LIO-SAM обладает высокой точностью позиционирования и надежностью и может работать в крупномасштабных средах.
5. Картограф: Картограф — универсальное программное обеспечение для 2D и 3D, разработанное Google. SLAMрамка. Он поддерживает различные датчики, включая лидар и IMU, и предоставляет такие функции, как позиционирование, картографирование и обнаружение с обратной связью. Картограф использует методы распределенных и параллельных вычислений, которые обладают высокой эффективностью и точностью. Картограф сканирует to Представитель сопоставления объектов карты.

Вот и все.