一年前,我在公众号“从零开始搭SLAM”里看到了一系列高质量的原创文章,这些文章都是号主李想利用业余时间创作完成的,这些文章循序渐进,带领读者一步步迈入激光SLAM的精彩世界。
因为Cartographer已经应用在很多落地的产品里,比如清洁机器人、仓储物流机器人等服务机器人。但是网上相关的资料分散而参差不齐,尤其缺乏系统的理论和代码讲解,涉及到其中的工程化细节和改进经验就更是罕见。
视频天然的比图文更适合教学。于是我联系到李想,商量做一个Cartographer的逐行源码解析视频课程,从理论到实践,从入门到进阶。首先第一个事情就是对Cartographer源代码进行保姆级详细注释,不仅能够帮助讲师重新梳理代码细节,更重要的是,极大的降低了学员的学习门槛。由于Cartographer代码量非常大,注释代码就花了几个月,可以毫不夸张的说,这是目前全网最详细的中文注释的Cartographer代码,而且是持续更新的。不管你是否是我们的学员,都可以学习这份走心注释的代码:https://github.com/xiangli0608/cartographer_detailed_comments_ws
经过充分地准备,2021年6月,计算机视觉life和李想合作的Cartographer逐行源码解析课程(第1期)上线,课程历时接近4个月,帮助400+学员开启了Cartographer的入门到进阶之旅,其中收获了很多学员的赞誉,也收到了不少的建议和反馈。
第1期课程下架后,我们结合学员的反馈,对课程存在的问题进行了全面梳理和调整,时隔半年多于2022年推出了第2期课程,主要做了如下改进:
前100名立减100元,扫描学习↓
优惠券链接:谷歌开源的激光SLAM算法Cartographer为什么这么牛X?
Cartographer是Google推出的一套基于图优化的激光SLAM算法,它同时支持2D和3D激光SLAM,可以跨平台使用,支持Lidar、IMU、Odemetry、GPS、Landmark等多种传感器配置。是目前落地应用最广泛的激光SLAM算法之一。
Cartographer建图过程
Cartographer代码最重要的 贡献不仅仅是算法,而是**工程实现实在是太优秀了!**它不依赖PCL,g2o, iSAM, sophus, OpenCV等第三方库,所有轮子都是自己造的,2D/3D的SLAM的核心部分仅仅依赖于Boost、Eigen(线性代数库)、Ceres(Google开源的非线性优化库)等几个底层的库。
这明显不是搞科研的玩儿法,就是奔着产品去的!因为依赖库少,可以直接在产品级嵌入式系统上应用,关键是开源免费,而且效果还针不戳!极大的降低了开发者的门槛。目前在GitHub的star数目是非常高的。
因此Cartographer非常适合于扫地/清洁机器人、仓储物流机器人、送餐机器人等室内服务机器人场景的实时定位和建图。
Cartographer建立的地图
扫地机器人
仓储机器人
自动驾驶