有一天,我會放開雙手,任由汽車帶著我遨游山河。
有一天,我會放松身心,透過車窗去看這美麗景色。
無人駕駛,隨著科技的不斷進步倍受關注,它不再是一個遙不可及的設想,也不再是只有在科幻片里才能看到的景象。它已經開始慢慢進入人們的生活。
我曾向你提及無人駕駛技術(馳騁在科技之海,無人駕駛也可一往無前。),我相信,你已經有了初步了解,但是,僅僅初步的了解遠遠無法滿足你對無人駕駛的求知欲。
我們要說的,是無人駕駛車涉及的技術之一——SLAM自主建圖技術。
SLAM自主建圖 · 技術
(對道路路面信息、障礙物進行數據建模,生成高精度地圖。)
1、柵格圖(grid maps):將地圖分為m*n的柵格,每個柵格內的數值代表是否被占用。
2、地標圖(landmark-based maps):基于地標建圖,已知某些標志物在地圖中的確定位置。
1、占用圖(occupancy maps):對于每個柵格單元,代表是否被占用。
2、反射圖(reflection maps):對于每個單元,表示傳感器束反射的概率。
構建 · 地圖
②預測測量量:基于①得到的預測位置,預測應該得到哪些測量量。
③測量:測量當前真實環境信息。
④數據融合:利用EKF將②、③中的信息融合。
⑤更新機器人狀態:根據④的結果,更新機器人位置狀態,收斂誤差。
⑥更新地圖:根據④、⑤,更新地圖數據。
算法介紹
建圖開始時,將機器人當前位置設為已知的起始點,此時建立一個3x1的向量Xk,一個3x3的矩陣Ck。Xk代表已知點,Ck代表已知點之間的關系。
隨著機器人的移動及環境信息的輸入,將更新的地標信息m1、m2、...添加到Xk、Ck中。
矩陣Ck中,對角線Cr、Cm1、Cm2、...Cmn代表不同的地標信息,其他元素代表對應行、列上地標信息的位置關系。比如Cm1m2代表Cm1地標與Cm2地標的位置關系。
建圖 · 算法
2. gmapping-slam: tutorial
3. karto_slam
karto_slam是基于圖優化的方法,用高度優化和非迭代cholesky矩陣進行稀疏系統解耦作為解。圖優化方法利用圖的均值表示地圖,每個節點表示機器人軌跡的一個位置點和傳感器測量數據集,箭頭的指向的連接表示連續機器人位置點的運動,每個新節點加入,地圖就會依據空間中的節點箭頭的約束進行計算更新。
4. core_slam
看完上述關于SLAM自主建圖技術的講解,有沒有感覺對無人駕駛汽車的了解更進一步呢?
- 本文固定鏈接: http://www.scdh365.com/?id=353
- 轉載請注明: znjrobot 于 北京智能佳科技有限公司 發表
《本文》有 0 條評論