slam研究歷史
討論2d 雷射點少，大概幾千個點。
3d 雷射資訊量多，跟影象有很多類似性，但是雷射的稀疏性明顯，上下和左右相差比較大。左右可是是零點幾度，上下就是64根線，或者128根線，所以提取特徵不能像影象那樣提取，還有乙個順序性，比如40幀資料，從左到右或者從右到左都是等實的。
在掃瞄pk+
1p_
pk+1
中提取線特徵εk+
1\varepsilon_
εk+1
和面特徵hk+
1h_
hk+1
並轉換到k+1座標下
掃瞄p k+
1p_
pk+1
投影到k+1座標下
找對應的特徵的當前掃瞄和臨近掃瞄的對應點(kd-tree)
控制數量，區域劃分，每個區域只許一條線和乙個點
去除歧義點
評價特徵點到線和面的距離
距離評價函式
d ε=
x~(k
+1,j
)l−x
‾(k,
j)l∗
x~(k
+1,j
)l−x
‾(k,
l)l∣
x‾(k
,j)−
x‾(k
,l)∣
d_=\frac_^-\overline_^*\widetilde_^-\overline_^}_-\overline_|}
dε=∣x
(k,j
)−x
(k,l
)∣x
(k+1
,j)l
−x(
k,j)
l∗x
(k+1
,j)l
−x(
k,l)
l
這個當前掃瞄的角點到之前掃瞄的線的距離
線性化順序點位置預估：t(k
+1,i
)l=t
i−tk
+1t−
tk+1
tk+1
lt^_=\frac}}t_^l
t(k+1,
i)l
=t−t
k+1
ti−
tk+1
tk
+1l
旋轉角表示： r=e
w^θ=
i+w^
sinθ+
w^2(
1−
cosθ)
r = e^\theta}=i + \hat\sin\theta + \hat^2(1-\cos\theta)
r=ew^θ
=i+w
^sinθ+
w^2(
1−cosθ
)根據上面的評價函式迭代求解。
根據距離加入信任因子或者直接剔除。
###ｍａｐｐｉｎｇ
方法類似與里程計，但是物件由近鄰掃瞄替換成已有的地圖電雲
特徵保留較多（１0 times）
類似與ｎｄｔ,對於臨近點雲進行pca分析，平面的引數由統計數代替原始點
基本思想還是二維的線面特徵迭代的思想，還是可行的。
點麵特徵還不夠可靠，後續發展為結合視覺的v-loam
對資料統計分類，通過統計資料代替原始資料，無論從速度還是精度上都是比較有利的
根據雷射資料的稀疏性，近階段的處理方式獲得很大的認同，里程計效果好。
雷射資料分割、識別可能是個大問題，關係到loop，定位等問題
雷射slam 雷射SLAM與視覺SLAM的特點
雷射slam與視覺slam的特點 目前，slam技術被廣泛運用於機械人 無人機 無人駕駛 ar vr等領域，依靠感測器可實現機器的自主定位 建圖 路徑規劃等功能。由於感測器不同，slam的實現方式也有所不同，按感測器來分，slam主要包括雷射slam和視覺slam兩大類。其中，雷射slam比視覺sl...
雷射SLAM放棄指南1 初識雷射SLAM
slam分為三個模組，前端里程計模組，後端優化模組，以及回環檢測模組。具體實現方法 求前一幀雷達資料到當前幀雷達資料間的位資變換，這個過程一般成為掃瞄匹配 scan matching 過程。2d雷射slam的輸入 imu資料 里程計資料 2d雷達資料 輸出 覆蓋珊格地圖 室內環境用的最多 機械人的軌...
雷射slam 這會是你學雷射SLAM最明智的選擇！
早在2005年，雷射slam框架就已初步確定。經過多年的發展，雷射slam已成為目前最穩定 最主流的定位導航方法，具有構建的地圖精度高，精度誤差小的優點。在工業方面主要集中應用在a 領域，隨著製造業以及電商倉儲領域對柔性化搬運的需求不斷上公升，slam的定位導航技術迎來了廣闊的市場。2019年，我國...