待验证50% 置信事实精确时间
现代SLAM通过贝叶斯滤波（如卡尔曼滤波、粒子滤波）或图优化方法融合激光雷达、IMU、摄像头等多传感器数据实现厘米级精度的实时定位
1
来源数
50%
置信度
长期有效
时效性
2026/7/21
首次发现
来源
相关事实
待验证Google Cartographer和ORB-SLAM3等现代SLAM系统融合激光雷达、IMU、摄像头等多传感器数据，实现厘米级精度的实时定位80% 相似待验证里程计精度问题通常通过传感器融合缓解，如将轮式里程计与IMU进行卡尔曼滤波融合，或引入激光雷达SLAM提供绝对位置修正78% 相似待验证激光SLAM依赖激光雷达点云数据（精度高但成本较高），视觉SLAM依赖摄像头图像特征点匹配（成本低但对光照变化敏感）73% 相似待验证SLAM主流方案包括基于激光雷达的SLAM（如Cartographer、gmapping）和基于视觉的SLAM（如ORB-SLAM、VINS-Mono）71% 相似待验证激光雷达通过主动发射激光脉冲并测量返回时间获取距离信息，测距精度可达厘米级甚至毫米级，且不受光照条件影响70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/579795API
curl https://kongchang.com/api/v1/knowledge/claims/579795MCP
get_claim(id=579795)