自动驾驶系统进阶与项目实战(五)使用SC-LEGO-LOAM进行较大规模点云地图构建和闭环优化

自动驾驶系统进阶与项目实战(五)使用SC-LEGO-LOAM进行较大规模点云地图构建和闭环优化

高精度地图和高精度定位目前仍然是L4及以上自动驾驶系统的核心模块之一,成熟的传感器融合定位方法高度依赖高精度地图,L4级自动驾驶系统中,我们所说的高精度地图通常包含两类地图:语义地图(也称为矢量地图)和点云地图,语义地图也就是自动驾驶感知规划重度依赖的地图,包含了大量的路网和交通静态信息,是结构化数据;点云地图,通常为定位模块中的雷达配准定位所使用,是高精度定位的基础,存储类型为非结构化的传感器数据,点云地图本质上也是图商用于构建语义地图的底图之一,所以构建大规模点云地图对于高精度制图和定位的基础之一,本文将详细解析LEGO-LOAM SLAM方法,并且介绍如何使用SC-LEGO-LOAM构建包含闭环检测和优化的较大规模点云地图,最后我们将使用ROS bag实践构建一个较大城区的三维地图。

在这里插入图片描述

LEGO-LOAM简介

LEGO-LOAM是一种使用激光雷达进行实时姿态估计和制图的方法,ICP(iterative closest point) 是目前最常用的点云配准算法,通过在两个点云之间逐点

AdamShan CSDN认证博客专家 图像处理 深度学习 TensorFlow
奔驰高级自动驾驶扫地僧,谷歌认证机器学习专家,兰州大学无人驾驶团队创始人,主攻深度学习,无人驾驶汽车方向,著有《无人驾驶原理与实践》一书。
已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页
实付 29.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值