多传感器融合定位（二）——基于地图的定位

目录

一、回环检测 

1.1 基于Scan Context

1.2 基于直方图

一、回环检测 

回环检测只能消除一部分误差，不能消除全部误差。运用视觉用特征点描述子比较简单。

1.1 基于Scan Context

三维降二维，用图像做匹配。

1、划分网格

 2、生成scan contest

3、匹配

车朝向位置相近，两个图是差不多的

为了解决车朝向不同影响较大差异，需要对图片进行切割平移使得朝向相似

作者把每一列合并到一起，二维降一维，找出粗略在哪切，在升到三维精细匹配

4、时间复杂度

怎么快速找到匹配帧

统计每个栅格中是否有点，如果环境相似，点数量相似。

1.2 基于直方图

这个是用固态激光雷达的 

二、后端优化

把回环和惯导的先验位姿加进来，把里程计的误差修正。

2.1 李群李代数

用凸优化建图会用到李群李代数。李群是矩阵，李代数是向量

 

2.2  基于回环的位姿修正

2.2.1 计算残差项 

2.2.2 求解优化方向

​​​​​​

 

 2.3 基于先验的优化

三、点云地图的建立 

3.1 流程

将里程计、回环、先验进行融合。

第一帧惯导和里程计是有相对位姿的，将里程计乘矩阵变换到惯导坐标系。

时间差大于一定的值再检测闭环

3.2 点云畸变

通过几何关系算时间 

 

四、基于地图定位

4.1 整体流程

在地图匹配中，鲁棒性和运行速度更加重要， 因此实际使用中，基于NDT的匹配使用更广 泛。

 

初始化问题