liuyanpeng12333的博客

蔡自兴，男，福建莆田人，汉族。1962年7月毕业于西安交通大学机电工程系工业电气自动化专业。已从事自动控制、计算机科学技术等教学和科研工作50年。联合国专家、国际导航与运动控制科学院院士、纽约科学院院士、首届全国高校国家级教学名师。2009年荣获徐特立教育奖。2014年荣获吴文俊人工智能科学技术奖成就奖。 [1] 2016年获得IEEE fellow。 [2-3] 我国智能系统、人工智能、智能控制、智能机器人专家，被誉为“中国智能控制学科的奠基者”和“中国人工智能教育第一人”。

《机器人学导论》是2006年由机械工业出版社出版的图书，作者是(美)John J. Craig等，贠超等译。

Cartographer主要理论是通过闭环检测来消除构图过程中产生的累积误差[1]。用于闭环检测的基本单元是submap。一个submap是由一定数量的laser scan构成。将一个laser scan插入其对应的submap时，会基于submap已有的laser scan及其它传感器数据估计其在该submap中的最佳位置。submap的创建在短时间内的误差累积被认为是足够小的。然而随着时间推移，越来越多的submap被创建后，submap间的误差累积则会越来越大。因此需要通过闭环检测适当的优化这些submap的位姿进而消除这些累积误差，这就将问题转化成一个位姿优化问题。当一个submap的构建完成时，也就是不会再有新的laser scan插入到该submap时，该submap就会加入到闭环检测中。闭环检测会考虑所有的已完成创建的submap。当一个新的laser scan加入到地图中时，如果该laser scan的估计位姿与地图中某个submap的某个laser scan的位姿比较接近的话，那么通过某种 scan match策略就会找到该闭环。Cartographer中的scan match策略通过在新加入地图的laser scan的估计位姿附近取一个窗口，进而在该窗口内寻找该laser scan的一个可能的匹配，如果找到了一个足够好的匹配，则会将该匹配的闭环约束加入到位姿优化问题中。Cartographer的重点内容就是融合多传感器数据的局部submap创建以及用于闭环检测的scan match策略的实现。

除了完全外行和真正的编程高手外，初读本书，你最先的感受将是惊慌：“哇！我以 前捏造的 C++/C 程序怎么会有那么多的毛病？”

gmapping是目前应用最广的2D slam 方法，利用RBPF方法，故需要了解粒子滤波算法。scan-match方法在于估计机器人位置（pose），利用梯度下降的方法，在当前构建的地图，与当前的激光点，和机器人位置（pose）为初始估计值。