连载文章，长期更新，欢迎关注：不管是激光SLAM还是视觉SLAM，由于传感器采样率、传感器测量精度、主机计算力等因素的限制，在高速运动状态下定位追踪极易丢失。虽然轮式里程计能为激光SLAM系统提供短期运动预测以避免高速运动时丢失的风险，轮式里程计还能在长走廊这样的低特征环境下提供定位辅助。但是轮式里程计也不是万能的，当地面起伏较大或轮子打滑时，轮式里程计将不再可靠；对于在三维空间工作的视觉SLAM

实际只需要其中的range_sensor_layer放到工作空间catkin_make。实验时放置于src中，可以考虑放置于navigation文件夹中进行尝试。实际上下载的源码配置已完善，编译通过时range_sensor_layer已插入ros系统，在此只需要source一下cartkin_ws，验证一下即可：rospack plugins --attrib=plugin costmap_2d

连载文章，长期更新，欢迎关注：可以说ros-navigation是ROS系统中最重要的组件之一，绝大部分自主移动机器人的导航功能都是基于ros-navigation导航系统实现的。下面将从原理分析、源码解读和安装与运行这3个方面展开讲解ros-navigation导航系统。

连载文章，长期更新，欢迎关注：环境感知就是机器人利用传感器获取自身及环境状态信息的过程，自主导航机器人的环境感知主要包括实时定位、环境建模、语义理解等，下面具体讨论。

连载文章，长期更新，欢迎关注：环境感知就是机器人利用传感器获取自身及环境状态信息的过程，自主导航机器人的环境感知主要包括实时定位、环境建模、语义理解等，下面具体讨论。

连载文章，长期更新，欢迎关注：下面将从原理分析、源码解读和安装与运行这3个方面展开讲解Gmapping 算法。首先要知道，Gmapping是一种基于粒子滤波的算法。在7.7.2节中已经提到过用RBPF（Rao-Blackwellization Particle Filter）这种粒子滤波器来求解SLAM问题，Fast-SLAM算法就是其典型实现之一。其中也有人基于RBPF来研究构建栅格地图（Gri

连载文章，长期更新，欢迎关注：在运行视觉SLAM、图像识别、机器视觉等对算力要求较高的场合，可以选择中高端的RK3399主机。RK3399是瑞星微的一款ARM芯片，国内有友善之臂、萤火虫等主板厂家都有针对RK3399这款芯片出配套的主板。我这里选的是友善之臂出的RK3399主板，根据硬件外设的搭配方案，也有很多个具体主板型号可选，我这里选的是性价比比较高的一款NanoPi M4V2，如图5-6所示

连载文章，长期更新，欢迎关注：SFM、BA和SLAM是在不同研究领域所讨论的问题，由于经常会遇到并且初学者比较容易混淆，这里就拿出来说明一下。SFM（structure from motion，运动重建）是计算机视觉领域的概念，通过收集到的无序图片进行离线三维重建，可以理解为多个图片的拼接。SFM一般使用在比较大的范围，比如构建一个城市的百度地图。SFM具有两个鲜明的特点，一个特点是输入算法的图片

连载文章，长期更新，欢迎关注：不管是Gmapping还是Cartographer，通常都是采用单线激光雷达作为输入并且只能在室内环境运行。虽然Cartographer支持2D建图和3D建图模式，但是Cartographer采用3D建图模式构建出来的地图格式仍然为2D形式的地图。这里介绍一种用在室外环境的激光SLAM算法，即LOAM算法。该算法利用多线激光雷达，能构建出3D点云地图。LOAM算法是一

slam问题目前主要集中在如何建立一个好的地图，至于后续如何使用地图这部分工作研究的不多，不过我个人恰好在做这部分工作所以答一下个人见解。首先，有一张好的地图，是导航或地图语义分析等应用的前提，目前建立一张好的地图还有不少的难度。其次，基于地图的导航等应用多是工程性问题，不好发文章，研究slam问题的多为学校学生和研究机构人员，所以发表成果还是一个很重要的考虑。最后，不同的slam框架建立的地图类