SLAM 算法 SLAM 算法 SLAM 概述 同时定位与建图（Simultaneous Localization and 数据关联、一致性 EKF-SLAM、粒子滤波 SLAM 前端：里程计 回环检测；后端：图优化 前端：特征、匹配、位姿估计 后端：位姿图、BA 稀疏地图 vs 稠密地图 稀疏：路标、关键帧 稠密：点云、TSDF、网格 激光 SLAM 激光雷达 轮式机器人 话题、坐标系 室内、结构化环境 scan NDT correlative 点到点、点到面、GICP 初值、收敛与鲁棒性 典型系统：Gmapping、Cartographer、Hector SLAM Gmapping 粒子滤波 Cartographer 子图与回环 优点：鲁棒、计算量相对可控 光照无关、纹理弱场景 限制、楼梯/多层 视觉 SLAM 特征点法：ORB-SLAM、PTAM 直接法：DSO、LSD-SLAM 单目 双目 RGB-D 尺度、回环检测、重定位 多传感器融合 SLAM 激光 视觉 IMU 紧耦合 VIO（视觉惯导里程计） 图优化框架：g2o、Ceres、GTSAM 典型系统：VINS-Fusion、LIO-SAM 等 后端优化 位姿图：节点 位姿，边 约束 里程计边、回环边 信息矩阵、协方差 误差函数、鲁棒核函数 抑制外点 重加权迭代 非线性最小二乘：Gauss-Newton Levenberg-Marquardt 线性化、增量求解 稀疏性、Cholesky 回环检测与全局一致性 词袋、 place recognition 位姿图优化校正漂移 地图表示与输出 栅格地图、稀疏点云、语义地图 占据栅格、距离变换 用于导航的 costmap、障碍物层 在 ROS/ROS2 中使用 SLAM 典型节点：/scan、/odom、/tf、/map 现成方案：slam_toolbox、cartographer_ros2 等 地图保存 加载、在线建图与离线建图