融合视觉传感器和激光雷达可以实现优于单一传感器的同时定位与建图(SLAM)系统,现有的视觉和激光雷达融合算法仍然存在计算复杂度高、系统精度及稳定性受错误的深度匹配影响等问题。为了更加高效、鲁棒地融合视觉和激光雷达的信息,充分利用图像和激光点云中的地平面信息,提出了高效的视觉辅助激光雷达SLAM算法。首先,从激光点云中分割出地面点云用于提取图像中的地面ORB特征点,并通过单应性变换中的交比不变性校验特征匹配,从而高效鲁棒地利用单应性矩阵分解实现绝对尺度相机运动估计。然后,将得到的相机运动估计以李群SE(3)形式进行插值,用于校正激光雷达在自身运动过程中产生的点云畸变。最后,单目相机的运动估计作为初值用于激光里程计的位姿优化。公共数据集KITTI和实际环境的测试结果表明,本文算法可以有效利用相机运动估计对激光点云畸变进行校正,实时准确地实现里程计和建图。

AGV想要自主行走主要是解决“在哪里？”、“要去哪?”、“怎么去？”这三个问题。“在哪里？”是定位的问题，“要去哪？”是路径规划的问题，“怎么去？”是导航的问题，解决了这三个问题也就基本上解决了agv自由行走的问题。 　　定位和导航一般是相辅相成，传统的定位导航方式（电磁导航、磁条导航）的优缺点如下方图表所示，这些方案的优点和局限性都很明显。稍微灵活点的导航定位方案运用二维码、反光板等，人工预设一些特征来定位，比较典型的例子是Amazon的Kiva。 　　 　　Amazon的Kiva 　　【 　　        ■SLAM（

二维激光雷达SLAM数据集

matlab中用代码打开m文件

本资源是一个ros包可以用于建图和定位。使用gnss, imu,三维多线lidar三种传感器，结合loam算法实现slam建图。