slam和自动驾驶（slam与自动驾驶）
本篇文章给大家谈谈slam和自动驾驶，以及slam与自动驾驶对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
本文目录一览：
SLAM应用在自动驾驶后的思考？
cartographer 是谷歌的开源SLAM项目。它是一个以低配硬件实现大型场景实时精确（5cm）SLAM的项目。这种大型项目，必须得是论文+文献+tutorial+其他人的说明。Carto里面利用lidar的 t 和 t-1 的点云数据得到robot motion， 同时利用IMU进行补偿。补偿机制如果用了基于贝叶斯理论的滤波器的话，因为在构建submap的时候，submap的构图的基准点，也就是车辆位置越准确，之后的pose和全局回环的时候才会更准确。对于自动驾驶车辆来说，回环的比重不像在SLAM里那么重要。实时定位才是自动驾驶真正应该关心的事情。自动驾驶回环也重要，但是没有实时定位重要。一般的高精度的定位方法是基于RTK DGPS。这种研究已经进行了很久了，也比较成熟了。买个DGPS硬件系统和软件，就能直接调取1~2cm误差范围的位置数据。开源的RTK GPS有兴趣可以看看。
SLAM如何应用在自动驾驶车辆定位上？
SLAM强大的回环检测在自动驾驶实时定位上，因为实时定位依靠的gps系统可以得到较高的准确度。不过，影响gps的数据准确性的原因有很多，天气啊，遮挡物啊，高楼啊。典型的场景就是，地下车库，隧道，高楼比较多的市区。这种情况下，现阶段的自动驾驶车辆会依赖高精地图。也就是说，如果没有高精地图的， GPS不被信赖的场景，是完全可以嫁接SLAM的技术的。如果有对应地形的地图，那么就可以通过有地图情况下的SLAM算法，没有的话，跟一般SLAM是没什么区别的。
SLAM定位在自动驾驶中的应用？
SLAM作为机器人领域深耕已久的方向，已经比较成熟了。从开始的EKF SLAM到现在的RTAB-MAP, ORB-SLAM, Cartographer各种SLAM算法百花齐放。SLAM的回环检测在提高机器人的定位精度上，效果非常好。
SLAM拥有实时定位和构建地图的能力，这对于自动驾驶来说非常利好，既可以定位，又可以同时构建低配版HD map， 而且还可以通过这个低配版地图进行重定位
关于slam和自动驾驶和slam与自动驾驶的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
与本文内容相关的文章：
