ORB_SLAM与Gmapping对比_slam与gammping的关系-程序员宅基地

SLAM(Simultaneous localization and Mapping)是实现无人驾驶的关键技术。当车辆处在未知场景中时，需要依据传感器获取的信息完成自身定位和环境建图，然后在建好的地图上进行路径实时规划和车辆自主控制。

文章目录

一、ORB_SLAM算法方案
二、Gmapping算法方案
三、两种SLAM算法的比较

一、ORB_SLAM算法方案

ORB_SLAM算法方案是基于ORB特征点提取来实现自身定位和生成三维稀疏地图的一种关键帧SLAM算法。

ORB_SLAM分为三个主要过程：追踪、局部建图、回环闭合。追踪线程通过提取多帧图像的ORB特征，比较前后帧的不同来估计相机当前位姿，如果追踪失败，就要重新进行全局定位和局部优化地图，并对实时位姿进行初始化定位和生成新的关键帧。局部环境建图通过新的关键帧的插入和特征点的匹配，产生新的点云地图，根据局部优化点的位置删掉多余帧，留下关键帧。回环闭合包括回环检测和闭环校正两部分，首先使用词袋法检测，之后算出相似变换，最后图优化实现闭环校正。整个过程都是基于RGB图像的ORB特征，很大程度上提升了计算效率。

2015年提出的基于单目相机的ORB SLAM方案，成为众多关键帧SLAM方案中功能较为完备的方案。最新ORB_SLAM版本是2017年扩展的ORB_SLAM2算法方案，不仅可以应用于单目相机，还可以应用于双目和RGB_D相机等多种视觉传感器。在关键帧的基础上融合了适当的删除帧和插入帧，简化了地图构建，可以实现机器人系统在CPU上的实时运行。回环检测应用了BOW方案，提高效率并且减少了光线环境的影响。

二、Gmapping算法方案

Gmapping是ROS开源系统中应用最广泛和最可靠的2D SLAM算法功能包，基于粒子滤波算法，粒子用于模拟机器人位姿和地图两个状态变量。
Gmapping功能包框架处理的信息包括ROS机器人获取的环境的深度信息、IMU信息以及里程计信息，在此基础上进一步完成参数的设置，然后就可以进行实时定位和地图建模，最终得到基于概率构建出二维的栅格地图。粒子滤波算法往往需要获取大量的粒子以及进行大量的计算，需要依赖里程计进行粒子分布的计算，该算法方案不适合大场景地图，没有回环检测，回环闭合可能会造成地图错位，要想减少粒子滤波法确定机器人位置问题中的不确定性可以采用重采样将观测状况考虑进去。
Cmapping在粒子滤波基础上提出改进的提议分布和重要性重采样算法，前者不仅依赖里程计信息，同时也考虑激光雷达的观测模型，计算相对集中的粒子分布，使粒子分布更接近真实分布，使用粒子更少；后者通过设定粒子权重阈值，避免粒子耗散，当粒子权重变化超过阈值时执行重采样，通过限制重采样次数来保证粒子多样性不会消失，避免机器人位姿单一。

三、两种SLAM算法的比较

当前主要有滤波器与图优化两大类解决机器人SLAM问题的方案。基于扩展卡尔曼滤波的SLAM算法是最原始的且较成熟的概率估计算法，以及之后的基于稀疏扩展信息滤波的SLAM算法，都是适用于机器人通过提取特征点构建特征地图的算法，但此种算法对解决数据的关联问题有一定的难度。近年来，一种基于粒子滤波器的SLAM算法方案被提出，能够依据要求构建出特征点地图或是二维栅格地图，同时很好的解决了数据的关联问题，但存在着计算量存储量是粒子数的平方关系增长，不适用于具有大量特征点的视觉SLAM。目前主流的视觉SLAM研究方向是基于图优化的处理方法，不仅可以进行高精度地图的构建，还能够随着时间的推移保证较高的效率，主要包括前端建图和后端优化两部分。

Gmapping算法方案是一种基于粒子滤波的2D SLAM算法，通过对多个机器人的位置点采样形成高斯分布，进而抽样获得机器人的当前位置。虽然实现Gmapping算法有一定的复杂度，但该算法是当前构建栅格地图应用最广泛的最有效的算法。Gmapping算法功能包处理的信息包括ROS机器人获取的场景的深度信息、IMU信息和里程计信息，在此基础上进一步完成参数的设置，然后就可以完成实时定位和地图建模，最终生成的是基于概率的二维栅格地图。但因为每个粒子都有着机器人的位置信息和地图信息，所以该方法面临着有关粒子数的大量计算和大量存储的问题，尤其是构建栅格地图时该问题更为严重。

ORB_SLAM算法方案是基于ORB特征点提取来实现实时定位和生成三维稀疏点云图的一种图优化SLAM系统，通过提取关键帧的ORB特征，估计相机位姿信息变化，计算相机最终的运动轨迹，生成三维稀疏点云地图。ORB_SLAM还具有初始化地图与闭环检测等功能，改进了关键帧的选择和地图生成的方式，进一步改善了处理图像的效率、特征追踪的效果以及建图的精度。ORB_SLAM比基于概率的滤波方法更精准、更高效，但很难实现导航和自动避障功能。

本文链接：https://blog.csdn.net/weixin_47546087/article/details/115728441

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

c# 调用c++ lib静态库_c#调用lib-程序员宅基地

文章浏览阅读2w次，点赞7次，收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案，在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建：添加Visual C++ , Win32 项目这......_c#调用lib

deepin/ubuntu安装苹方字体-程序员宅基地

文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体，挺好看的。注重颜值的网站都会使用，例如知乎：font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang

html表单常见操作汇总_html表单的处理程序有那些-程序员宅基地

文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--method将表单中的数据传送给服务器处理，get方式直接显示在url地址中，数据可以被缓存，且长度有限制；而post方式数据隐藏传输，_html表单的处理程序有那些

PHP设置谷歌验证器（Google Authenticator）实现操作二步验证_php otp 验证器-程序员宅基地

文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证（即Google Authenticator服务）后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器

【Python】matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距-程序员宅基地

文章浏览阅读4.3k次，点赞5次，收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距

docker — 容器存储_docker 保存容器-程序员宅基地

文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节，实现了多层数据的堆叠，为用户提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制（CoW）策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的，不建议用于生成环境。_docker 保存容器

随便推点

网络拓扑结构_网络拓扑csdn-程序员宅基地

文章浏览阅读834次，点赞27次，收藏13次。网络拓扑结构是指计算机网络中各组件（如计算机、服务器、打印机、路由器、交换机等设备）及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式，也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn

JS重写Date函数，兼容IOS系统_date.prototype 将所有 ios-程序员宅基地

文章浏览阅读1.8k次，点赞5次，收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时，通常的做法是：new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的，而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠，也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑，需要做一些额外的特殊处理，笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数，一劳永逸，避免每次ne_date.prototype 将所有 ios