ROS原理与技术应用 课件 5-2 构建激光雷达地图.pptx

《ROS原理与技术应用》能力模块五掌握使用激光雷达构建地图与实现导航的方法任务二构建激光雷达地图

导入在生活中，如果我们去一个陌生的地方时，我们通常会通过导航软件中的地图来进行导航。对于无人驾驶小车来说，它同样需要通过地图来了解需要到达的目的地的具体位置，和小车自身在地图中的位置信息，进而控制小车自主导航到目的地。

目录CONTENTS0102高精地图的作用与意义及时定位与地图构建03建图功包的安装02建图功包的使用

新授

一、高精地图的作用与意义对于自动驾驶系统，导航系统需要提供更高精度的行驶路径，引导车辆驶向目的地，需要将环境中尽可能丰富的信息提供给自动驾驶系统。作为存储静态、准静态交通信息的数据库，为了满足自动驾驶系统的导航、路径规划要求，高精度地图需要提供更精细、精确的交通信息。高精度地图不仅可以用于导航、路径规划，还可以为环境感知和理解提供先验知识，辅助车载传感器实现高精度定位。高精度地图被普遍认为是L3级及以上自动驾驶不可缺少的关键技术。与传统地图相比，高精度地图信息的丰富性和准确性都有显著的提升。

二、即时定位与地图构建SLAM是同步定位与地图构建(SimultaneousLocalizationAndMapping)的缩写，最早由HughDurrant-Whyte和JohnJ.Leonard提出。SLAM主要用于解决移动机器人在未知环境中运行时定位导航与地图构建的问题。SLAM系统框架一般分为五个模块，模块如下：传感器数据1视觉里程计2后端3建图4回环检测5

二、即时定位与地图构建传感器数据主要用于采集实际环境中的各类型原始数据。包括激光扫描数据、视频图像数据、点云数据等视觉里程计主要用于不同时刻间移动目标相对位置的估算。包括特征匹配、直接配准等算法的应用。后端主要用于优化视觉里程计带来的累计误差。包括滤波器、图优化等算法应用建图用于三维地图构建回环检测主要用于空间累积误差消除

二、即时定位与地图构建SLAM工作流程大致为传感器读取数据后，视觉里程计估计两个时刻的相对运动（Ego-motion）。后端处理视觉里程计估计结果的累积误差，建图则根据前端与后端得到的运动轨迹来建立地图，回环检测考虑了同一场景不同时刻的图像，提供了空间上约束来消除累积误差。根据SLAM所使用的传感器类别，我们可以将SLAM分为基于激光雷达的激光SLAM(LidarSLAM)和基于视觉的VSLAM(VisualSLAM)

二、即时定位与地图构建（1）激光SLAM 激光SLAM采用单线或多线激光雷达，单线激光雷达通常用于室内机器人，如左图所示的服务机器人、如右图所示的服务机器人扫地机器人等。激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。激光SLAM系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。

二、即时定位与地图构建（2）视觉SLAM视觉SLAM通过单目摄像头或深度摄像头，从环境中获取海量的、富于冗余的纹理信息，拥有超强的场景辨识能力。视觉SLAM的优点是它所利用的丰富纹理信息。通过对比我们发现，激光SLAM和视觉SLAM各擅胜场，单独使用都有其局限性，而融合使用则可能具有巨大的取长补短的潜力。例如，视觉在纹理丰富的动态环境中稳定工作，并能为激光SLAM提供非常准确的点云匹配，而激光雷达提供的精确方向和距离信息在正确匹配的点云上会发挥更大的威力。而在光照严重不足或纹理缺失的环境中，激光SLAM的定位工作使得视觉可以借助不多的信息进行场景记录。（3）激光SLAM与视觉SLAM对比：

三、建图功包的安装用激光雷达来实现地图构建的SLAM算法有多种，下面仅以gmapping方法为例，来讲解如何利用激光雷达来实现SLAM。Gmapping是最常用和成熟的SLAM导航算法之一，gmapping功能包集成了Rao-Blackwellized粒子滤波算法，为开发者隐去了复杂的内部实现。gmapping建图，是指Gmapping获取扫描的激光雷达信息以及里程计数据可动态的生成2D栅格地图，把环境划分成一系列栅格，其中每一栅格给定一个可能值，表示该栅格被占据的概率。导航包则利用这个栅格地图，里程计数据和激光雷达数据做出适合的路径规划和定位，最后转换为机器人的速度指令。具体框架如图所示，其中方框里的内容为传感器获取的数据或者生产的数据，椭圆里的内容表示ROS节点。

三、建图功包的安装Gmapping依靠粒子的多样性，在回环时仍能消除累计误差。Gmapping算法的优点是可以实时构建室内环境地图，在小场景中计算量少，且地图精度较高，对激光雷达扫描频率要求较低。它的缺点是随着环境的增大，构建地图所需的内存和计算量就会变得巨大，所以Gm