slam导航，自动驾驶定位导航常用的SLAM技术是什么
来源：整理 编辑：智能门户 2023-08-28 00:11:53
本文目录一览
1，自动驾驶定位导航常用的SLAM技术是什么
SLAM，也被称为并行建图与定位，指的是自动驾驶汽车在位置环境中，从未知位置出发，在运动过程中通过环境信息，进行车体位置与航向的确定，同时创建环境地图并对地图进行实时更新，或在已知环境中，通过环境信息对车体位置和航向进行确定。SLAM一般包含两个步骤：预测和测量。为了准确表示导航系统，SLAM需要在状态之间以及状态和测量之间进行学习。SLAM最常用的学习方法称为Kalman滤波。
2，老师做AGV导航用视觉SLAM来做导航可行吗
视觉导航定位：图像处理量巨大，一般计算机无法完成运算，实时抄性较差；受光线条件限制较大，无法在黑暗环境中工作。GPS导航定位：室内环境下，存在定位精度低、可靠性不高的问题。超声波导航定位：由于超声波传感器自身的缺陷，如镜面反射、有限的袭波束角等，无法充分获取周边环境信息。线圈导航定位：在机器人行走规划路径上布置感应线圈，通过在机器人身上安装感应装置来进行电磁感应，但这样的机器人只能按照预定路径行走，2113谈不上真正的智能，SLAM（simultaneouslocalization and mapping）技术：在室内环境中，机器5261人不能利用全局定位4102系统进行定位，而事先获取机器人工作环境的地图很困难，甚至是不可能的。SLAM技术使得机器人在自身位置不确定的条件下，经过一系列的位置并且在每一个位置获得传感器对环境的感知信息，在完全未知环境中创建地图，同时利用地图进行自主定位和导航。一般SLAM可以分为三个步骤：基于外部感知的环境特征提取，递推形式的预测和更新算法以及相应的数据相关1653技术。
3，gps导航
实际上选择一个好地图，如道道通、凯立德等、导航功能强的比什么都主要；一般都有电子书、相册、MP3/P4等，有的还有电视、游戏等；实用价值不太大；购买GPS导航仪之后就不用再交付任何费用了；
GPS 是一种导航仪，实际 上不必非要追求原厂的导航，你想，那一家汽车生产厂家也不会自己生产导航仪；如果从实用、实惠的角度不如自己选购一个；目前在国内市场上主要分为步行和车载的两大类型；设定好目的地后，就按照其指引的路线驾驶了；实际上目前GPS的产品线是很丰富的，很多品牌有的就是名字不一样，但是在功能、性能方面都差不多；形成了产品的同质化；
其中消费者口碑不错的产品：朗视通、神行者、E路航、新科、纽曼等都是不错的；可以放心使用。价格在600-1500之间。比较高档次的宇达电通、任我游（姚明做广告的)也不过5.6千元左右；很超值的。价位比较高的有卡仕达、飞哥，大约在5000-6500左右；其他二、三线厂家的品牌在2500-3500左右；如果是4S店价格就翻番； 如果安装倒车影像，在购买GPS导航仪的时候，就要选择带摄像头输入口，一般倒车摄像头由于分辨率的不同（决定清晰程度）价格在120-580元左右。 目前很多厂家的产品，都是与车型配套，包括面板都与车型吻合， 只需要后面的插件机直接插上即可。
4，如何通过视觉SLAM构建得到的三维地图进行机器人的路径规划
首先，我们还是需要确认一下，三维的路径规划需要哪些信息？ 定位与地图。 机器人家上了解到 首先， 利用视觉 SLAM 可以解决机器人的定位问题，剩下的就是怎么将视觉地图转换成规划使用的地图了。 当然，对于规划算法，三维的点状机器人，用 A* 还凑合，但是，如果是需要考虑姿态的无人机（六维），那么可能就得考虑用基于采样的方法或者轨迹优化类的算法了。 而这类算法，不太可能直接得到完整的 Configuration Space，所以涉及到环境（地图）的就一个用途：碰撞检测/计算与障碍物距离。 我们用 V-SLAM 建立的地图可能长这样： 理论上讲，直接输入这些障碍物的点就够用了（计算每个点与机器人最近距离）。 但是，毕竟点很多呀，而且V-SLAM很可能计算到一些错误的点。所以，我们一般需要进行以下处理： （我就用机械臂上的来做例子，当然，我的点云是从Kinect获取的，但大概意思相同：机器之眼 | Kinect v2） 滤波：去掉一些离群点，PCL 库就提供了几种点云滤波算法。 滤波前： 滤波后： Octomap：在做规划时，对障碍物的距离精度要求其实不是那么高，所以，完全可以对点云数据进行压缩。降采样是一个方法，但是采用八叉树结构是更通用的方法：OctoMap - 3D occupancy mapping。 前面的图中可以发现，我将机械臂规划中的点云也换成了Octomap，这样，每次只需对Octomap中的小立方体与机械臂做碰撞检测就行，大大降低了存储数据量与碰撞检测运算量。 Sematic Map: 就算转换成了Octomap，小立方体还是很多呀，怎么办？这时候就可以对点云进行一些处理了。例如，通过平面检测，识别出地面、天花板等，直接用一个大的立方体替换掉Octomap的小方块；或者通过物体识别算法识别出环境中的物体，用物体的3D模型替换Octomap，这样也可以大大减少碰撞检测的计算量。机器人的最优路径规划问题就是依 据某个或某些优化准则 ( 工作代价最小、行走时间最短、行 走路线最短等 )，在机器人的工作空间中寻找一条从起始 位置到目标位置的无碰撞路径。就如人一样，只有知道怎 么在环境中行走，才不会与其他物体相碰撞并且正确地从 起始地到达目的地，才能去做其他的事。但是即使是完成 这样一个在我们看来十分简单的任务，其实也是经过了一 个良好配合与正确分析的过程。首先眼睛要搜集环境信息， 把看到的环境状态反馈给大脑，然后大脑根据眼睛反馈回 来的环境信息和所要到达的目的地做出综合的分析，得到 一个判断和结果，然后指挥人的身体移动，从而实现在环 境中的行走。机器人也是类似，只不过在这里传感器充当 了机器人的“眼睛”而路径规划模块就相当于机器人的“大 ， 脑” ，根据传感器信息和任务要求进行分析和决策，指挥机 器人的运动。
5，slam建图可以用于激光导航吗
当然可以，现在SLAM用得比较多的是激光SLAM和VSLAM（即深度视觉SLAM），SLAM全称为Simultaneous localization and mapping翻译过来就是同步定位与地图构建，再翻译一下就是让机器人从未知环境的未知地点出发，在运动过程中通过重复观测到的地图特征（比如，墙角，柱子等）定位自身位置和姿态，再根据自身位置增量式的构建地图，从而达到同时定位和地图构建的目的。而激光只是SLAM建图中用来获得地图构建时所需的外部环境数据传感器，所以SLAM是可以用于激光导航的，具体关于激光SLAM导航的资料可以多去各种技术论坛上学习，最好是买一本入门的书籍先读一下构建下自己针对整个激光SLAM建图的大局观。如果是想找激光SLAM导航方案，可以看看深圳灵喵机器人，这家目前在国内激光导航领域做得不错slam涵盖的东西比较多，分为前端和后端两大块。前端主要是研究相邻帧的拼接，又叫配准。根据传感器不一样，有激光点云、像、rgb-d拼接几种，其中像配准中又分基于稀疏特征（sparse）的和稠密（dense）的两种。后端主要是研究地拼接（前端）中累积误差的校正，主流就两种，基于概率学理论的贝叶斯滤波器（ekf，pf）以及基于优化的方法。ekf已经用得很少了，pf也就在2d地slam（gmapping）中用得多，大多还是用优化的方法在做。自己已经说了这块需要的知识，一个是数学，一个是编程。所以入门，也从这两块开始弄。一、数学方面 数学，建议楼上说过的thrun的《probabilistic robotics》，其实不需要全部看完，了解下概率学是如何解决机器人中的问题的，关键学习贝叶斯滤波，也是就是贝叶斯公式在各个问题（定位，slam）中的应用。另外，优化，建议先把最小二乘优化中给弄透彻，数学推导要会，因为很多问题，最后都是归结到最小二乘优化，然后就是梯度下降、求jacobian之类的。二、编程方面 理论的东西是比较无聊的，必须得实战。建议入门先写一发最小二乘优化，可以就做一个简单的直线拟合，不要用matlab中的优化工具，了解数学推导最后是怎么写到代码里面的。然后，一定要玩好matlab优化工具包，做实验最方便了。有了一些基础之后，可以尝试玩一些现有的slam包，推荐两个地方，一个是www.openslam.org，里面有各种slam包，主流的slam算法，在这一般都有源码。另外一个就是ros了，里面有很多现成的slam包，像gmapping，rgb-d slam，上手非常快，甚至没有任何设备，也可以利用ros中的仿真环境（如gazebo）跑。建议先试试gmapping，百度上有很多中文教程，一开始跑这些package还是很涨成就感的，可以提高兴趣。如果是做视觉或者rgb-d，那么opencv和pcl是必不可少的工具。早点上手肯定没得错。三、进阶 大体入门之后，就需要根据实验室研究的项目来学习了，看是用激光、相机、还是kinect来做了，不同传感器的前端算法还是有些差距的。激光一般是icp，相对简单。视觉的东西还是比较多的，楼上推荐《multiview geometry in computer vision》确实很重要，不过，觉得这同时还应该了解特征提取、特征描述子、特征匹配这些东西。如果们实验室做的dense registration，那还得学李代数那些东西（高大上，神马李群看好多天都看不懂。。。）。其实，很多算法都有开源包，可以去ros、一些大神博客、牛逼实验室主页中多逛逛。
6，AGV小车都有哪几种导航方式详细说明一下各有什么优点
1.电磁导航早期的AGV多是用电磁导航，这种方案原理简单、技术成熟，成本低，但是改变或扩展路径及后期的维护比较麻烦，并且AGV小车只能按固定路线行走，无法实现智能避让，或通过控制系统实时更改任务。它是通过在AGV的行驶路径上埋设金属导线，并加载低频、低压电流，使导线周围产生磁场，AGV上的感应线圈通过对导航磁场强弱的识别和跟踪，实现AGV的导引。2.磁带导航磁条导航技术与电磁导航相近，不同之处在于采用了在路面上贴磁条替代在地面下埋设金属线，通过磁条感应信号实现导引。但相对于电磁导航AGV定位要精确很多，而且路径的铺设变更相对较容易，且成本更低，但是容易损坏，需要定期维护。3.惯性导航随着陀螺仪技术的发展，AGV成功实现了髙精度导航。当采用惯性导引方式时，现场场地中需要安放用于定位的模块。安装有陀螺仪的AGV在行驶中通过对陀螺仪供给的角速度信号、测距编码器供给的距离信号综合起来进行计算。同时在地面上的定位模块还为AGV提供了实时的校正信号，从而就可以实现AGV的自定位。这种导航具有导航精度十分高，技术特别先进，在各种现场都能够使用等优点。但是它与激光导航有着一样缺点：需要比较高的成本。4.激光导航目前，市面上的激光导航有两种模式：第一种是反光板导航，在AGV行驶路径的周围安装位置精确的激光反射板，AGV通过发射激光束，同时采集由反射板反射的激光束，来确定其当前的位置和方向，并通过连续的三角几何运算来实现AGV的导航。另一种则是SLAM导航，通过激光雷达对场景的观测，实时创建地图并修正机器人位置，无需二维码、色带、磁条等人工布设标志物，真正实现对作业环境的零改造。另一方面，通过激光雷达对障碍物的实时检测，有效规划轨迹避开障碍物，提高人机混合场景的适用和安全性。灵活度也要比其他导航方式强，同时在定位程度上比较精准，但是，激光导航的制造成本高，对环境如外界光线，地面要求，能见度要求等要求较相对较高。5.二维码导航二维码导航属于视觉识别。二维码导航要比磁导航定位精确，在铺设、改变路径上也较容易，便于控制，对声光无干扰。不过这种导航的AGV也需要定期维护，如果有人来干涉或拉地牛叉车经过，就容易把地上的二维码碾坏，需要频繁更换二维码。因此，比较适合全自动无人化的环境。对陀螺仪的精度及使用寿命要求严格，另对场地平整度有一定要求，价格较高。其实，每种导航方式均有自己的独特之处和用武之地。磁带导航的优点为：经济实惠并且消费者容易进行安装，缺点为：如果行车路段有铁(磁性体)时，导引带的磁力会受到影响而不能正常行车;二维码导航导航优点为：在铺设、改变路径容易，便于控制，精度高但地上的二维码碾坏，需要频繁更换二维码；激光导引优点为：定位精度高(可达±1mm)目前市面上麦克纳姆轮AGV小车的主流导航有电磁导航、惯性导航、磁带导航、激光导航、二维码导航等等。以下是我摘自叶茂官网（www.kssym.com）关于AGV现场不同导航方式的优缺点供大家参考。①电磁导航 优点：导引线非常隐蔽,不会造成污染和破损,电磁导航型的麦克纳姆轮AGV小车导引的原理简单又可靠,便于用户控制通讯,并且对声光没有任何干扰,投资的成本也比较低。 缺点：电磁导航型的麦克纳姆轮AGV小车改变及扩充路径相对比较麻烦,铺设导引线也稍微困难。②磁带导航 优点：磁带导航型的AGV小车定位准确,并且对于路径的铺设、扩充以及变更都会比电磁型的导航容易许多,磁带导航的成本也比较低。 缺点：磁带导航的缺点是容易破损,需要用户进行定期维护,并且变更路径需重新铺设磁带,还有麦克纳姆轮AGV小车只可以按照磁带行走,无法实现智能型地避让,或通过控制系统来实时更改任务。③惯性导航 优点：采用惯性导航的麦克纳姆轮AGV小车精度很高,技术也是特别先进的,可在各种场合使用。 缺点：惯性导航与激光导航一样,成本较高。④激光导航 首先激光导航分为反光板导航和SLAM导航。 优点：采用激光导航的麦克纳姆轮AGV小车定位准确,无需在地面上铺设其他的定位设施,并且小车的行驶路径是灵活多变的,可以适用于多种环境场所。目前激光导航也是许多AGV小车生产厂家优先采取的先进导航技术。 缺点：激光导航式的麦克纳姆轮AGV小车的制造成本较高,并且对使用环境的要求较高。⑤二维码导航 优点：二维码导航式的麦克纳姆轮AGV小车定位准确,并且小巧又灵活。在铺设和改变路径也十分容易,便于控制通讯并且对声光无干扰。 缺点：路径需要我们定期维护,若场地复杂的话还需要频繁地更换二维码,并且对陀螺仪的精度和使用寿命的要求严格,另对二维码导航对场地的平整度也有一定要求,价格较高。 其实啊,每种导航方式都有着自己独特的用武之地,我们应根据自己的现实情况选择适合自己的AGV小车。磁导引AGV它的造价稍微比激光的要低点，目前而言是AGV市场的大主流。但是缺点是：需要铺设磁条作为导引路线，想去哪就得铺到哪灵活性稍微比激光的差点，而激光的造价稍微高点，但是灵活性比较大，一般应用到酒店机场等场所。
文章TAG：
slam导航 自动驾驶定位导航常用的SLAM技术是什么
