SLAM相關

SLAM相關論文摘要

1. 相關算法關系圖

   

   高精度地圖定位

   由于一些停車場是在室内，是以對于車輛的定位問題，如果沒有高精度地圖的支撐是很難解決的，有了髙精度地圖資料，車輛通過自身車輛的攝像頭等視覺裝置，提取停車場的一些關鍵特征，然後通過這些特征與髙精度地圖進行比對，進而可以得到車輛的自身位置，這就是高精度地圖提供的定位功能。

   

   高精度地圖相關

   高精度地圖的建構由五個過程組成：資料采集，資料處理，對象檢測，手動驗證和地圖釋出。資料采集是一個巨大的工程，Apollo 擁有近 300 輛專業車輛用于資料采集，這些資料采集車不僅僅用于資料采集，對于地圖的維護更新也非常重要，它可以随時的更新地圖資料。專業車輛具有角度的傳感器，比如 GPS、慣性測量單元 (IMU)、雷射雷達錄影機，Apollo定義了一個硬體架構，将這些傳感器內建到單個自主系統中，通過将這些資料的融合，最終生成高精度地圖。資料處理是指對手機的資料進行整理、分類以及清洗的過程，以獲得沒有任何語義資訊或注釋的初始地圖模闆。對于對象檢測，Apollo 團隊使用人工智能來檢測靜态對象并對其進行分類，包括車道線、交通标志甚至電線杆。手動驗證可以確定自動地圖建立過程正确并及時發現問題。經過了上述過程的處理，地圖可以進行釋出，除了釋出高精度地圖，Apollo還釋出了采用自上而下視圖的相對定位地圖以及三維點雲地圖。

基于 GNSS/IMU/雷射雷達的高精度地圖生成算法研究 （吉大碩士論文2021）

1. 定位與地圖建構（Simultaneous Localization and Mapping，SLAM）

是一種高精度點雲地圖生成算法。根據使用的傳感器不同，SLAM 也分為視覺 SLAM 和雷射 SLAM。視覺裝置極易受到外界光線因素的幹擾，相比之下雷射雷達的點雲資料更加穩定，同時雷射雷達采集到的點雲資訊可以更好地反應周圍環的結構資訊。

2.雷射 SLAM 主要可以分為前端裡程計、後端優化、建圖等步驟。

前端裡程計的作用是利用點雲配準來擷取相鄰兩幀雷射雷達之間的剛性變換。IMU 預積分的結果可以為前端裡程計提供初始的位姿變換矩陣。前端裡程計隻考慮了相鄰兩幀之間的位姿變換關系，是以會存在累計誤差。後端優化通過加入回環檢測、GNSS 絕對值等限制來降低累計誤差帶來的影響。建圖是将各個相鄰的點雲以點雲拼接的方式生成點雲地圖。

• PNP

• ICP

主流slam架構