基於激光雷達的地圖構建？
目前在研究移動機器人基於二維激光雷達的地圖構建與定位，主要是根據兩幀的數據點進行匹配，然後求出單應性矩陣，將數據轉到前一幀坐標系中。目前的效果是兩幀數據配的很准，有20mm誤差，但是如果不斷拼接數據的話，會造成累積誤差，使得構建的地圖很不準確
只依賴於點雲配准來建圖的累計誤差是無法消除的，對於這種情況有幾種優化思路。
1、優化配准方式，減小配准誤差。點雲匹配的方式有很多，以點為研究對象的，有各種ICP演算法、NDT演算法之類的，也有先提取一些特徵再進行匹配的，比如loam、segmatch等項目。各種匹配方式有自己的優缺點，有的運算速度快但結果不穩定，有的收斂能力強但精度較低，有的對初始位姿要求很高但收斂結果精度高。可以依據需求搭配幾種方法來使用，比如收斂能力強的做粗匹配，精度高的做精匹配，通過這樣的方式來提高匹配精度。
2、分塊建圖，減小誤差累計。點雲匹配建圖的累計誤差就如同IMU一樣，隨著時間的增加誤差也不斷增大。那麼能降低累計誤差的方法，除了減小匹配誤差之外，就是降低匹配次數了。在分塊地圖的建法上，可以考慮瓦片式的建圖方法，相鄰地圖塊之前有重疊區域，這樣可以預載入下一塊地圖，防止跨越地圖時的位姿跳變。
3、引入其他觀測量，採用圖優化的方式建圖。如果有其他觀測量（比如GPS、IMU），可以在匹配建圖的同時記錄其他參考位姿。這樣在匹配建圖結束之後，可以以參考位姿為頂點，採用圖優化的方法修正匹配位姿，最終可以得到一個矯正後的地圖。
4、如果環境中閉環較多的話，可以採用閉環檢測的方法來優化建圖。
激光slam_loam微信交流群
共同學習，共同進步。
https://weixin.qq.com/g/AYo8vS573Le56yO7 (二維碼自動識別)
拼接的時候，考慮到之前已經建立的模型的邊緣的走勢，舉個例子，掃到一輛車，假設掃了一半的位置，拼接的時候，看之前那一半車的曲線，再看當前曲線，在一個範圍內平移，使得兩條曲線的函數和拼接後的函數，變化最小
請問你用的是哪個型號的激光雷達
推薦閱讀：
