0

这是一个难题。

我知道EKF-SLAM，它使用上一次的状态来估计下一个状态作为在线过滤器，我也知道Graph-SLAM，它使用过去的所有状态作为完整的 SLAM，并将它们表示为只是一堆节点和边缘，并通过最小化误差来优化节点和 eges 的结构以估计更好的状态。

现在，我知道仅使用里程信息运行 EKF-SLAM 没有任何意义，因为 EKF 所做的是通过平衡里程信息和地标信息观察之间的权重来估计未来状态。所以两者都是需要的。

我的问题是，是否可以仅使用里程计信息而没有任何地标观测信息来运行Graph-SLAM ？似乎 Graph-SLAM 可以通过收集所有 Odometry 信息状态到当前状态并将它们转换为节点和边来运行，就像提供 Odo 和 obs 时一样，它可以优化节点和边的结构。有可能吗？输出是什么意思？“优化”里程计？有没有想过？先感谢您。:)

4

1 回答 1

0

前言：我不是100%肯定，这些只是我的假设/意见

SLAM 的重点是同时定位和M 应用为了进行任何映射，您需要观察地标或其他一些特征。否则，您只是在执行本地化。

想想如果我把你以前从未去过的建筑物丢给你，我说，为我创建一张地图，但你只能数你的脚步。您不得使用任何其他感官（闭上眼睛、塞住耳朵等）。您很快就会意识到这是一项几乎不可能完成的任务。如果您只使用里程计，卡尔曼滤波器或 EKF 之类的东西应该可以很好地工作，但这只是进行定位，而不是映射。

希望有帮助

于 2015-06-15T16:29:43.323 回答