目前只上传了大部分的图片,视频素材,还在整理描述中,剩余部分,可以先通过网页预览或下载来查看了解一下 动图加载需要一些时间，要等待一会儿

---

• 2D
  • 退化场景中的定位(长直走廊)
  • 变化场景中的地图自更新
  • 变化场景、遮挡下的防定位丢失
• 3D
  • 3D LIO
  • 3D SLAM
  • 局部场景下高精鲁棒定位

2D

退化场景中的定位(长直走廊)

• 长廊定位效果展示(长廊环境长度约22米,激光量程10米,图中机器人行驶的走廊长度为22米,定位误差肉眼不可见)

如上,平时在退化场景下会出现定位的较大漂移

加入开发的长廊定位算法后的效果。没有肉眼可见的误差

---

• 基于原始激光点云的长廊环境自识别

变化场景中的地图自更新

大量环境变化下的地图更新

局部变化下的地图更新(未消失的黑影是由于激光后放一直有一个机器人的天线产生的拖影)

变化场景、遮挡下的防定位丢失

• 室内

蓝色pose箭头变为半透明表示定位丢失

全程无丢失,回到无变化场景立即恢复高精定位

• 室外

• 激光被遮挡

  

3D

3D LIO

• 地铁检修站

地铁检修站场景,涉及10度斜坡。

140m*10m来回两圈,仅前端无回环: xy误差约2.5cm,z误差约9cm

• 室外电站

• 室内

3D SLAM

• 从室外建筑群到室内地下停车场(稀疏图)

从室外的移动写字楼环绕一圈后 通过 隧道进入地下停车场 再回到室外建图起点 基于32线激光/IMU/WheelOdom融合建图,履带式底盘(激光存在高频振动,点云有错帧)

• 建筑群周围(稠密图)

局部场景下高精鲁棒定位

蓝色为先验地图,白色为实时点云

• 多人干扰,新增障碍物下的鲁棒定位

可以看到有很多白色的动态障碍物和静态未在先验地图中的障碍物