下記のエントリでSLAMの勉強をしているという話をしましたが，論文＆本読みだけだとなかなか具体的なイメージが湧いてこないので，ソースコード も引っ張ってきて勉強することにしました．で，題材には下記の２つを使おうと思います．
daily-tech.hatenablog.com
GMapping
皆様ご存知，ROSのデフォルトマッピング アルゴリズム として使われているGMappingです．実装のベースとなる論文は，，，，
論文
Improving Grid-based SLAM with Rao-Blackwellized Particle Filters by Adaptive Proposals and Selective Resampling 著者：Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard
実装
で，ROSのコンパイル 済パッケージとして使っている人がほとんどだと思うんですが，コンパイル 済のバイナリでは何も勉強できないので，ソースコード をてにいれる必要があります．実装はROSのラッパー部分とアルゴコアの２つに分かれていて，下記からダウンロードできます．
実行結果
下記，今年のつくばチャレンジ確認コースに対してGMappingを使ってマッピング した様子です．VIDEO youtu.be
Google CartographerもうひとつはGoogle のチームが開発・保守しているCartographerです．
論文
Real-Time Loop Closure in 2D LIDAR SLAM 著者：Wolfgang Hess, Damon Kohler, Holger Rapp, Daniel Andor
実装
こちらもソースコード を下記からてにいれます．
実行結果
下記，今年のつくばチャレンジ確認コースに対してCartographerを使ってマッピング した様子です．VIDEO youtu.be
う〜ん．Cartographerのほうが正しくマッピング できるはずなんですが，GMappingのほうがこのデータに関しては綺麗にマッピング できました．おそらく，毎サイクルLidarのデータをつかって最適化計算しているので，ロボットに対するLidarの設置位置精度がかなりシビアなのと，路面の傾きがあるとよろしくないのかと思います．
ということで，ここからは両方のアルゴリズム に関して技術的詳細に突っ込んでいきます．
