具身小站

代码在线跑，知识轻松学

Python精品学习库

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

博客搬家 | 分享价值百万资源包

往期视频·干货材料·成员作品 最新动态

技术创作特训营·精选知识专栏

新邀入驻腾讯云开发者社区，福利多多！

如何运用「云、端融合的数智化安全体系」高效护航数据安全

左手AI，右手安全 —— 一汽丰田数字化转型之路

Cartographer 算法采用两级优化架构，前端处理阶段首先建立栅格地图，通过位姿估计将激光雷达数据帧对齐，随后将这些数据整合到子地图（Submap）中形成局部优化结果；后端处理则基于扫描帧间的位姿约束关系，采用分支定界算法进行全局优化，在保证位姿优化精度的同时，降低了系统对计算资源的需求，使算法能够适应更大规模的场景建图需求。

基于Cartographer和A*的四足机器人导航方案

基于视觉ORB和激光CSM邻近检测的SLAM建图

基于视觉ORB-SLAM和激光Cartographer融合的SLAM建图

EKF融合IMU的Cartographer SLAM建图

基于萤火虫+Gmapping、分层+A*优化的导航方案

概念
雅可比矩阵（Jacobian Matrix）是向量值函数的一阶偏导数构成的矩阵。对于一个从 R^n 映射到 R^m 的向量函数 F(x) ，其雅可比矩阵定义为：

扩展卡尔曼滤波（EKF）的泰勒展开（雅可比矩阵）详解

EKF 是对 KF 的扩展，使其能够处理非线性系统，它通过一阶泰勒展开（雅可比矩阵） 在当前估计点附近对非线性函数进行局部线性化，然后应用标准 KF 的预测和更新框架。
为非线性系统的状态估计提供了一个相对高效的框架，但线性化误差导致其是次优的，且计算雅可比矩阵可能很繁琐，对高度非线性系统效果不佳。

进一步理解扩展卡尔曼滤波EKF

当测量值很可靠时，我们更相信它；当预测模型很准确时，我们更相信预测。卡尔曼滤波通过数学方法自动找到最佳平衡点。

从零开始理解卡尔曼滤波

KD-Tree，全称 K-Dimensional Tree，是一种用于组织 K 维空间中点数据的数据结构，它是二叉搜索树（BST） 在多维空间上的扩展，也叫“二叉”空间分割树，无论维度 K 是多少，KD-Tree 的每个节点都只有左和右两个子树。

KD-Tree算法从原理到实践解析

LIO-SAM的优化器（GTSAM）的工作就是找到一组状态XXX，使得所有加权的残差平方和最小，从而得到一个在所有可用传感器信息下最一致、最可能的状态估计。

Lio-sam导航算法的各因子详解

LIO-SAM的核心创新在于其后端优化框架，摒弃了LOAM及其衍生系列（如LeGO-LOAM）中采用的帧到局部地图匹配+滤波的松耦合方式，转而采用了因子图模型进行紧耦合优化。

从零掌握LIO-SAM算法核心原理

因子图是一种概率图模型（Probabilistic Graphical Model），提供了一个优雅而强大的框架，将复杂的多传感器状态估计问题变得清晰、可管理且可求解，是用来表示分解关系的二分图，核心作用是将一个复杂的全局概率分布，分解为多个简单的局部因子的乘积，可以用一个比喻来理解：

从零开始理解因子图模型

LeGO-LOAM在LOAM的基础上，通过一系列精巧的工程设计（地面提取、两步优化、标签匹配），牺牲了部分通用性，换取了在特定场景下无与伦比的性能和效率，作为地面机器人激光SLAM的一个高效、实用、鲁棒的解决方案，在于它深刻理解了地面车辆的应用场景的约束，并针对这些约束做出了最有效的优化，这是工程实践的典范。

LeGO-LOAM 核心技术原理与数学推导详解

LeGO-LOAM通过精巧的地面点利用和两步优化策略，在保持精度的同时显著提升了计算效率，使其更适合资源受限的平台和复杂的地面环境，在LOAM系列中，因其轻量化和地面优化而颇具特色，本文从技术原理、代码实现和部署实施要点，进行展开介绍。

LeGO-LOAM导航算法：从原理到实践

NDT，全称 Normal Distributions Transform（正态分布变换），是一种广泛使用的点云配准算法，它的核心思想与ICP截然不同：NDT不直接计算点与点之间的对应关系，而是通过概率模型来描述和匹配点云的表面结构。

从零开始理解NDT算法的原理及应用

当有两堆需要对齐的“三维点”时，ICP算法几乎总是应该考虑的算法，在实际应用中，为了克服ICP对初始值敏感的缺点，通常会提供良好的初始估计，比如使用其他传感器（如IMU、轮速计）或粗略的匹配算法来提供一个初始变换。

从零开始理解ICP算法的原理及应用

在实际应用中，选择哪种或哪几种算法组合，取决于具体的应用场景、对精度和速度的要求、以及点云数据的特性。所有算法都在努力解决点云配准的两个核心挑战：1) 大初始位姿偏差（由特征法、全局法、深度学法解决）；2) 高精度对齐（由ICP、NDT及其变种解决）。

常用点云配准算法的原理概述

LOAM 的全称是 Lidar Odometry and Mapping（激光雷达里程计与建图），是由Ji Zhang博士于2014年提出的一种开创性的、仅使用3D激光雷达进行实时里程计估计和地图构建的算法。

从零理解SLAM的LOAM系列算法

常用定位技术对比解析

论文下载：（百度网盘）：https://pan.baidu.com/s/1fQIcUYFRNXdheZYzg9mFow?pwd=zhan

从根本理解Gmapping的SLAM算法原理

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

腾讯云开发者社区推出了具身小站专栏，为你提供了具身小站的相关文章，致力于帮助开发者快速成长与发展。

具身小站

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐