RTAB-Map

SLAM polyvalent basé sur les graphes, compatible RGB-D, stéréo et LiDAR, fonctionnant en temps réel

Licence

BSD-3-Clause

Aperçu

RTAB-Map, abréviation de Real-Time Appearance-Based Mapping, est une bibliothèque de SLAM basée sur les graphes qui fonctionne avec des caméras RGB-D, des caméras stéréo et des LiDAR. Elle assure la détection de fermeture de boucle, la gestion de la mémoire pour les grandes cartes et la cartographie multisession, et peut exporter des nuages de points en PLY ou PCD. Elle s'intègre à ROS 1 et ROS 2 et est utilisée pour la navigation de robots mobiles et la reconstruction 3D.

RTAB-Map (Real-Time Appearance-Based Mapping) est une bibliothèque SLAM polyvalente basée sur graphe qui supporte diverses configurations de capteurs. Elle est conçue pour fonctionnement temps réel et cartographie à grande échelle.

Les caractéristiques clés incluent : - Support RGB-D, stéréo et lidar - Fonctionnement temps réel - Gestion de mémoire pour grandes cartes - Détection de fermeture de boucle - Cartographie multi-session - Intégration ROS 1/2 - Outils de visualisation - Export cloud (PLY, PCD)

RTAB-Map est populaire pour la navigation de robots mobiles et la reconstruction 3D. Son intégration ROS le rend facile à utiliser avec les plateformes robotiques standard.

Pourquoi c'est important

RTAB-Map est la solution SLAM la plus polyvalente de l'écosystème ROS. Compatible avec les caméras RGB-D, les caméras stéréo et le LiDAR, il fournit une cartographie et une localisation fiables en temps réel quelle que soit la configuration de capteurs — un point essentiel pour le déploiement de robots mobiles.

Le problème résolu

Les robots doivent construire des cartes de leur environnement et s'y localiser, mais chaque application nécessite des capteurs différents. RTAB-Map fournit une solution SLAM unique qui fonctionne avec les capteurs disponibles, quels qu'ils soient.

Points clés

• SLAM multicapteur compatible RGB-D, stéréo et LiDAR
• Détection de fermeture de boucle en temps réel pour corriger la dérive
• Cartographie à grande échelle avec gestion de la mémoire pour un fonctionnement de longue durée
• Intégration native à ROS et ROS 2, avec outils de visualisation
• Activement maintenu, avec des mises à jour et améliorations régulières

Pour qui

• Développeurs de robots mobiles ayant besoin de capacités SLAM
• Équipes qui conçoivent des robots de cartographie et d'exploration
• Chercheurs qui comparent des algorithmes SLAM
• Entreprises qui déploient des robots en intérieur

Limites

• Gourmand en calcul — nécessite un CPU/GPU correct pour fonctionner en temps réel
• Réglage des paramètres nécessaire pour des performances optimales selon l'environnement
• La cartographie dense génère de gros volumes de données qui exigent une gestion du stockage
• Le SLAM en extérieur est moins fiable qu'en intérieur en raison des difficultés d'appariement de caractéristiques