SLAM算法——经典SLAM算法框架
SLAM算法总结——经典SLAM算法框架总结
从研究生接触SLAM算法到现在也有两三年了,期间学习了很多经典的SLAM算法框架并写了一些相关的博客,本篇博客主要目的是想将这些博客进行一个简单总结用于查漏补缺。首先,按照我的理解,我梳理了如下一个思维导图,如果读者发现有什么需要补充或者纠正的欢迎随时交流:
按照分类,我们先来讲讲视觉SLAM,视觉SLAM算法相对于激光SLAM算法的特点是信息更加丰富,由于是在二维提取特征点,因此通常可以达到更高的频率,但也正是因为信息丰富,因此更容易引入噪声,加上缺乏三维信息,导致视觉SLAM算法的鲁棒性在平均水平上要低于激光SLAM,尤其是通过传统特征进行定位和建图,在工程应用上相对受限,当前一个热门的方向是通过网络提取更加鲁棒的特征,例如SuperPixel、SuperGlue,或者直接根据网络输出定位和建图结果,这也是我之后希望进一步了解的方向:
以下是一些视觉SLAM的博客链接,感兴趣的同学可以了解下:
纯视觉方案:
视觉SLAM总结——ORB SLAM2中关键知识点总结
视觉SLAM总结——SVO中关键知识点总结
视觉SLAM总结——LSD SLAM中关键知识点总结
结合IMU方案:
VINS-Mono关键知识点总结——前端详解
VINS-Mono关键知识点总结——边缘化marginalization理论和代码详解
VINS-Mono关键知识点总结——预积分和后端优化IMU部分
学习MSCKF笔记——前端、图像金字塔光流、Two Point Ransac
学习MSCKF笔记——四元数基础
学习MSCKF笔记——真实状态、标称状态、误差状态
学习MSCKF笔记——后端、状态预测、状态扩增、状态更新
结合激光方案:
视觉激光融合——VLOAM / LIMO算法解析
我是先入门的视觉SLAM再接触的激光SLAM,因此激光SLAM我接触的时间并不是很长,但是激光SLAM和视觉SLAM的基本方法是一样的,只是在传感器输入处理上会稍有不同,正如上面提到的,激光SLAM在工程应用方面会更加成熟,以下是一些激光SLAM的博客链接:
纯激光方案:
学习LOAM笔记——特征点提取与匹配
结合IMU方案:
激光IMU融合——LIO-Mapping / LIOM / LINS / LIO-SAM算法解析
结合视觉方案:
视觉激光融合——VLOAM / LIMO算法解析
在视觉和激光结合的方向上,在2021年的ICRA上还有一片LVI-SAM,工程实现上是VINS-Mono和LIO-SAM的结合。
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhgabjfj
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
怎样阻止微信小程序自动打开
PHP中文网 06-13 -
excel下划线不显示怎么办
PHP中文网 06-23 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
photoshop蒙版画笔没反应怎么办
PHP中文网 06-24