第四篇:激光雷达slam图优化理论

这篇逐渐，我想处心积虑地详细介绍激光雷达SLAM图优化理论，并为此基础理论设计方案后面地图优化方法，那样，有关激光雷达地图搭建的概念就基本上讲解结束了，剩余的也是具体运用难题。这篇关键论文参考文献材料：

Globally Consistent Range Scan Alignment for Environment Mapping.

Efficient Sparse Pose Adjustment for 2D Mapping.

A Tutorial on Graph-Based SLAM.

图优化理论中，实质或是优化理论，关键涉及到最少均方二次优化方法。这儿的图与组合数学的图论或是有一些差别，这儿的图仅仅一个品牌形象的形容，实质是优化理论。全自动导航栏中的最短路径算法Planning定义就非常深层次解读组合数学中图论的有关常识了，中后期具体运用时我能专业详细描述一下有关定义，现阶段依然以优化理论为核心开展详细介绍。

2、

激光雷达扫描仪位置从P0逐渐，顺着P1，P2，……，一直到Pn-1，Pn。完毕点Pn在起止点P0周边。Pn的坐标位置能够 通Pn-1得到，自然还可以根据P0得到。显而易见因为偏差存在的问题，Pn各自从Pn-1和P0得到的坐标不一样。如根据Scan to scan，Pn根据P0得到的坐标精确点，根据Pn-1得到的坐标偏差大些，由于总计偏差比较大；如根据Scan to map得到坐标，因为地图信息内容在不断地转换，因而P0、Pn二点地图信息内容和P0、P1、P2、…、Pn-1、Pn全部点地图信息内容也不一样，因而取得的Pn点坐标也不太可能重叠。

那麼该怎么办，简易方式 也是能够根据Pn-1和P0的加权平均值获得Pn的位置坐标。那样，Pn-1的位置坐标也需要升级了，一样Pn-2,Pn-3这些都必须再次升级一下。因而人们必须一个统一的办法去解决以上的难题。

第四篇结语：

运用图优化理论去清除位置坐标偏差方式 是十分完善的，这儿的清除不是说沒有偏差，只是降至最少。一般实际运用时，大家一般收集好激光雷达数据信息，开展地图搭建，地图搭建中运用图优化理论减少环回偏差，调整位置坐标，并且位置中间互相管束关联也按照具体情况求得，针对大范畴地图，这一全过程也许会耗费两三个钟头。你也许要说，那麼慢如何即时。这儿表明一下，最先工业生产等级激光雷达信息量比几百元或是上一千元的电子器件消費等级（如智能扫地机，智能机器人）激光雷达大的多，一样的优化算法必须解决大量数据信息；一般即时指中后期导航定位即时，前提条件是地图事前转化成好啦，我们在第一次建图时也是以精确建图为总体目标，并且一般地图毫无疑问还必须开展人为因素改动后才会宣布应用，这个是工业生产坏境中的运用。

图优化理论是强有力的，我还在具体数据测试模拟仿真时在位置坐标中添加高斯噪声，提升出去的具体位置还很精确，如下所示两图比照：

下面的图位置坐标添加高斯噪声建图：

下面的图在添加高斯噪声位置坐标开展图提升测算后建图：

能够 见到，仿佛过滤一样，把高斯噪声滤掉了，第一次具体见到数据信息結果时還是蛮震惊的，感慨图优化理论的强劲。

最终表明：我迄今为止只讲了提升的有关基础理论。为了更好地简易表明，自然环境假定静态数据不会改变。可是中后期具体运用，如动态性最短路径算法，地图自然环境更改时定位导航等，我能此外抽时间实际解读一些解决方式 。尤其是动态性最短路径算法，具体环境有静止的途径定速巡航，自然大量的是动态性的定速巡航，并且在地图环境转变时，例如自然环境更改，有技术人员在内场健身运动，这时候的导航栏和精准定位自然环境愈发极端，对优化算法稳定性规定更为变大，相比静态数据自然环境。这时候或许必须其他感应器来輔助这些。

到迄今为止三绝大多数解读结束，讲了毛皮罢了，优化理论很广很强劲，还需再次深入分析，还有机会再讨论。