1.地图分类环境地图是机器人进行定位（特征地图）和规划（栅格地图）的前提尺度地图拓扑地图语义地图2.覆盖栅格建图算法把环境分解成一个一个的小栅格每个栅格有两种状态：占用（Occupied）或者空闲（free）非参模型随着地图的增大，内存需求急剧增加天然区分可通行区域，适合进行轨迹规划1.数学描述给定机器人的位姿和传感器的观测数据（主要是激光雷达）data=x1,z1,x2,z2,⋯ ,xn,zn(2-1)data={x_1,z_1,x_2,z_2,\cdots,x_n,z_n}\tag{2-1}data=x1,z1,x2,z2,⋯,xn,zn(2-1)估计出最可能的地图m∗=arg
多激光雷达标定multi_LiDAR_calibration对于多激光雷达的标定主要采用ICP、NDT等配准方法进行估计多个激光雷达的外参变换矩阵TTT。在这里先介绍一些先前关于多激光雷达外参标定的工作：M-LOAM：采用多个激光雷达固定到一个机器人上进行一起SLAM建图，在线标定得到外参矩阵。multi_lidar_calibration:代码地址https://github.com/AbangLZU/multi_lidar_calibration，博文说明https://zhuanlan.zhihu.com/p/362709744，作者原版的博文需要收费。该算法采用的是NDT配准，需要提供
一、激光SLAM简介基于激光雷达的同时定位与地图构建技术（simultaneouslocalizationandmapping，SLAM）以其准确测量障碍点的角度与距离、无须预先布置场景、可融合多传感器、在光线较差环境工作、能够生成便于导航的环境地图等优势，成为目前定位方案中不可或缺的新技术。激光SLAM任务是搭载激光雷达的主体于运动中估计自身的位姿，同时建立周围的环境地图。而准确的定位需要精确的地图，精确的地图则来自于准确的定位，定位侧重自身位姿估计，建图侧重外部环境重建。SLAM系统一般分为五个模块：传感器数据、视觉里程计、后端、建图及回环检测。传感器数据：主要用于采集实际环境中的各类型原
一、激光SLAM简介基于激光雷达的同时定位与地图构建技术（simultaneouslocalizationandmapping，SLAM）以其准确测量障碍点的角度与距离、无须预先布置场景、可融合多传感器、在光线较差环境工作、能够生成便于导航的环境地图等优势，成为目前定位方案中不可或缺的新技术。激光SLAM任务是搭载激光雷达的主体于运动中估计自身的位姿，同时建立周围的环境地图。而准确的定位需要精确的地图，精确的地图则来自于准确的定位，定位侧重自身位姿估计，建图侧重外部环境重建。SLAM系统一般分为五个模块：传感器数据、视觉里程计、后端、建图及回环检测。传感器数据：主要用于采集实际环境中的各类型原
整理|王启隆透过「历史上的今天」，从过去看未来，从现在亦可以改变未来。今天是2023年3月22日，在1924年的今天，英国第一家航空公司宣告成立。这家公司名为帝国航空公司，公司创办伊始，只有13架飞机，在当时伦敦唯一的克罗伊登机场起飞和降落。虽然早期乘坐飞机十分昂贵，但最初开辟的伦敦-巴黎航线总是非常受欢迎。飞机的航程起初很短，但不久就有了专门制造的飞行距离长得多的飞机。回顾科技历史上的3月22日，这一天都发生过哪些关键事件？1960年3月22日：ArthurSchawlow和CharlesTownes获得了第一项激光专利图源：维基百科美国物理学家亚瑟·伦纳德·肖洛（ArthurLeonard
整理|王启隆透过「历史上的今天」，从过去看未来，从现在亦可以改变未来。今天是2023年3月22日，在1924年的今天，英国第一家航空公司宣告成立。这家公司名为帝国航空公司，公司创办伊始，只有13架飞机，在当时伦敦唯一的克罗伊登机场起飞和降落。虽然早期乘坐飞机十分昂贵，但最初开辟的伦敦-巴黎航线总是非常受欢迎。飞机的航程起初很短，但不久就有了专门制造的飞行距离长得多的飞机。回顾科技历史上的3月22日，这一天都发生过哪些关键事件？1960年3月22日：ArthurSchawlow和CharlesTownes获得了第一项激光专利图源：维基百科美国物理学家亚瑟·伦纳德·肖洛（ArthurLeonard
本系列往期文章：【3D激光SLAM（一）】Velodyne激光SLAM学习之Velodyne-16线雷达室内建图基本使用_Canminem的博客-CSDN博客_velodyne16线激光雷达【3D激光SLAM(二)】Velodyne激光SLAM学习之Velodyne-16线激光雷达在JetsonNano上的配置使用_Canminem的博客-CSDN博客_velodyne激光雷达驱动【3D激光SLAM(三)】Velodyne激光SLAM学习之激光雷达+IMU内参标定_Canminem的博客-CSDN博客_imu激光雷达 一、标定所使用设备激光雷达：velodyne16线激光雷达IMU：来自Pix
本系列往期文章：【3D激光SLAM（一）】Velodyne激光SLAM学习之Velodyne-16线雷达室内建图基本使用_Canminem的博客-CSDN博客_velodyne16线激光雷达【3D激光SLAM(二)】Velodyne激光SLAM学习之Velodyne-16线激光雷达在JetsonNano上的配置使用_Canminem的博客-CSDN博客_velodyne激光雷达驱动【3D激光SLAM(三)】Velodyne激光SLAM学习之激光雷达+IMU内参标定_Canminem的博客-CSDN博客_imu激光雷达 一、标定所使用设备激光雷达：velodyne16线激光雷达IMU：来自Pix
目录写在前面总体流程分块解释IMU数据接收和发布车轮编码器数据接收和发布数据融合——robot_localization概括使用cartographer订阅效果写在前面之前写了一篇ROS2+cartorgrapher+激光雷达建图并保存，但是由于其只对激光雷达的数据进行订阅，这就导致了其建图在室内会有一个较好的效果(但是也会出现偏差)，在室外完全无法使用。究其原因，是因为只用激光雷达且没有比较明显的建筑障碍物的话，cartographer很难计算出一个比较精准的位置和朝向。因此，为了达到一个更好的建图效果，我们使用了robot_localization包，对IMU和里程计的数据进行融合，并将其
目录写在前面总体流程分块解释IMU数据接收和发布车轮编码器数据接收和发布数据融合——robot_localization概括使用cartographer订阅效果写在前面之前写了一篇ROS2+cartorgrapher+激光雷达建图并保存，但是由于其只对激光雷达的数据进行订阅，这就导致了其建图在室内会有一个较好的效果(但是也会出现偏差)，在室外完全无法使用。究其原因，是因为只用激光雷达且没有比较明显的建筑障碍物的话，cartographer很难计算出一个比较精准的位置和朝向。因此，为了达到一个更好的建图效果，我们使用了robot_localization包，对IMU和里程计的数据进行融合，并将其
