Hector slam利用高斯牛頓方法解決scan-matching問題，對傳感器要求較高。

缺點：需要雷達（LRS）的更新頻率較高，測量噪聲小。所以在制圖過程中，需要robot速度控制在比較低的情況下，建圖效果才會比較理想，這也是它沒有回環(huán)（loop close）的一個后遺癥；且在里程計數(shù)據(jù)比較精確的時候，無法有效利用里程計信息。

優(yōu)點：不需要使用里程計，所以使得空中無人機及地面小車在不平坦區(qū)域建圖存在運用的可行性；利用已經(jīng)獲得的地圖對激光束點陣進行優(yōu)化, 估計激光點在地圖的表示,和占據(jù)網(wǎng)格的概率；利用高斯牛頓方法解決scan-matching 問題，獲得激光點集映射到已有地圖的剛體變換（x,y,theta）；為避免局部最小而非全局最優(yōu)，使用多分辨率地圖；導航中的狀態(tài)估計加入慣性測量系統(tǒng)（IMU），利用EKF濾波；

補充：11-11  hector_slam通過最小二乘法匹配掃描點，且依賴高精度的激光雷達數(shù)據(jù)，因此掃描角很小且噪聲較大的Kinect是不行的，匹配時會陷入局部點，地圖比較混亂。

scanmatch方法：鏈接

gmapping是目前應用最廣的2D slam 方法，利用RBPF方法，故需要了解粒子濾波算法。scan-match方法在于估計機器人位置（pose），利用梯度下降的方法，在當前構建的地圖，與當前的激光點，和機器人位置（pose）為初始估計值。

粒子濾波的方法一般需要大量的粒子來獲取好的結果,但這必會引入計算的復雜度;粒子是一個依據(jù)過程的觀測逐漸更新權重與收斂的過程,這種重采樣的過程必然會代入粒子耗散問題(depletion problem), 大權重粒子顯著,小權重粒子會消失(有可能正確的粒子模擬可能在中間的階段表現(xiàn)權重小而消失).自適應重采樣技術引入減少了粒子耗散問題 , 計算粒子分布的時候不單單僅依靠機器人的運動(里程計),同時將當前觀測考慮進去, 減少了機器人位置在粒子濾波步驟中的不確定性. (FAST-SLAM 2.0 的思想，可以適當減少粒子數(shù))

缺點：依賴里程計（odometry），無法適用無人機及地面小車不平坦區(qū)域；無回環(huán)；

優(yōu)點：在長廊及低特征場景中建圖效果好；

補充：（11-11）據(jù)說gmapping可以用Kinect轉(zhuǎn)換出來的激光雷達數(shù)據(jù)建圖，但是苦于沒有里程計，所以沒有嘗試。（如果你有試過，請把結果告訴我，謝謝）

實驗表明：在大地圖，低特征（distinctive landmarks）場景中，hector的建圖誤差高于gmapping。這是由于hector過分依賴scan-match。特別是在長廊問題中，誤差更加明顯。

cartographer是Google的實時室內(nèi)建圖項目，傳感器安裝在背包上面，可以生成分辨率為5cm的2D格網(wǎng)地圖。

獲得的每一幀laser scan數(shù)據(jù)，利用scan match在最佳估計位置處插入子圖（submap）中，且scan matching只跟當前submap有關。在生成一個submap后，會進行一次局部的回環(huán)（loop close），利用分支定位和預先計算的網(wǎng)格，所有submap完成后，會進行全局的回環(huán)。

local 2D slam

A.scans

submap的構造是一個重復迭代配準scan和submap的過程。利用配準估算出pose對scan進行剛體變換，插入到submap中。

B.submaps

連續(xù)的scan用來構造submap，這里submap以概率格網(wǎng)的形式表現(xiàn)。每一個scan，在插入格網(wǎng)（submap）時，每一個grid有hits和miss兩種情況。離scan終點最近的grid為hits，在scan原點和終點之間相交的grid為miss。之前未觀察的grid分配一個概率，已觀察的grid進行概率更新。

9 ZDslam.png (43.24 KB, 下載次數(shù): 20)

下載附件

SLAM技術

2018-9-30 11:33 上傳

C.Ceres scan matching

把求pose的問題轉(zhuǎn)換為一個求解非線性最小二乘問題，利用Ceres解決這個問題。

因為最小二乘問題是一個局部最優(yōu)問題，故一個好的初值（pose初值）對求解有很大影響。因此IMU能被用來提供pose初值的旋轉(zhuǎn)變量。在缺乏IMU的時候，可以用提高scan match頻率或匹配精度。

利用SPA方法優(yōu)化scan和submap的pose。存儲插入scan位置處對應的pose用來做回環(huán)檢測。此外，當submap不在變化時，對應pose的scan和submap也被用來做回環(huán)。scan match中找到的good match其對應的pose將被用來做優(yōu)化問題。

A.Optimization problem

回環(huán)優(yōu)化問題構造成非線性最小二乘問題，來求解。

9 ZDslam 1.png (8.93 KB, 下載次數(shù): 21)

下載附件

slam算法

2018-9-30 11:33 上傳

公式中分別為submap的pose，scan的pose，對應submap和scan的pose的相關性，及相關協(xié)方差矩陣。

B.Branch-and bround scan matching            

缺點：

優(yōu)點：不采用粒子濾波（PF），從而低廉設備也能獲得較好的性能表現(xiàn)；