我对SLAM不太了解。当无人驾驶汽车想要使用先前的地图进行定位时，当环境不断变化时（例如，停在路边的新汽车等）如何处理？即使使用3D地图，如果道路上有新物体，当前传感器也将与以前的地图完全不同。

#1 楼

为给定位置选择的地标应包括许多不经常更改的地标，例如建筑物的特征，例如建筑图案，结构的拐角，公用设施等。
由于以下原因，停放的汽车会造成较差的地标：他们的短暂。

评论

$ \ begingroup $
但是如何识别地标呢？通过运行某种形式的对象检测，例如使用CNN？那将在计算上非常昂贵。
$ \ endgroup $
– Kar
19年8月8日在15:36
$ \ begingroup $
运行ANN的前向推理并不像训练那样昂贵，但是是的，它可能会很昂贵。例如，特斯拉的2019年自动驾驶计算机具有定制的ANN芯片，他们表示其性能为72 TOPS（每秒10亿次操作），比上一代高端NVIDIA GPU芯片高出约21倍。
$ \ endgroup $
– DavidJ
19年8月8日在22:15
$ \ begingroup $
@DavidJ如何完成“地标选择”？什么时候 ？能否请您分享一些信息？
$ \ endgroup $
– Pe Dro
20-09-08在6:13

#2 楼

除了DavidJ的评论外，还有一种称为基于特征的里程表的技术。即使环境中的对象不在先前的地图中，机器人也会使用它们来纠正其姿态估计。扫描匹配是用于此目的的方法之一。当它看到一个新的地标时，再向前走几步，如果仍然可以看到该地标，则它将当前的激光扫描与先前的扫描相匹配，以计算姿势误差。