用途:slam-algorithms 是一个专注于 SLAM(同步定位与建图)算法选型、配置与调参的技能,帮助完成视觉、激光雷达及多传感器融合 SLAM 的部署与优化,并评估精度、管理地图。
主要能力:
- ORB-SLAM3:支持单目、双目、RGB-D 及双目惯性配置,示例参数含相机内参/畸变、ORB 特征数、IMU 噪声与频率等;通过 ROS2 启动对应节点,需指定 ORBvoc.txt 词袋与配置文件。
- RTAB-Map:支持视觉与 LiDAR SLAM,可调检测率、内存、视觉特征、回环、ICP 与图优化参数;提供 RGB-D 里程计与 rtabmap 节点的 launch 示例。
- Google Cartographer:支持 2D/3D SLAM,Lua 配置涵盖轨迹构建、子图、扫描匹配与位姿图优化。
- LIO-SAM:激光-惯性 SLAM,可配置话题、坐标系、外参、IMU 噪声、特征阈值、回环与优化参数,支持 velodyne/ouster/livox。
- 精度评估:使用 EVO 工具(pip install evo),通过 evo_ape、evo_rpe、evo_traj、evo_res 计算 ATE/RPE 并比较轨迹。
- 地图保存与加载:RTAB-Map 通过服务暂停/备份并指定 database_path 加载定位;Cartographer 通过 write_state 服务保存 pbstream 并加载,或用 map_saver_cli 导出 2D 占据栅格。
使用方式:需具备 ROS/ROS2 及对应 SLAM 包、相机内外参标定、IMU 标定(VI-SLAM),视觉 SLAM 建议 GPU。命令与配置文件按资料中原样给出的方式传入。可结合 ros-mcp-server、ROSBag MCP 等 MCP 服务,并集成 visual-slam-implementation.js 等流程。
限制与注意:部署前须验证传感器标定,监控 CPU/GPU 实时性,先在受控环境测试回环,验证地图质量后再用于自主导航,并考虑光照、纹理、动态物体等环境因素。资料未提供具体收费、价格与平台支持信息。