SLAM算法總結(jié)——經(jīng)典SLAM算法框架總結(jié)

• SLAM算法總結(jié)——經(jīng)典SLAM算法框架總結(jié)

SLAM算法總結(jié)——經(jīng)典SLAM算法框架總結(jié)

從研究生接觸SLAM算法到現(xiàn)在也有兩三年了，期間學(xué)習(xí)了很多經(jīng)典的SLAM算法框架并寫了一些相關(guān)的博客，本篇博客主要目的是想將這些博客進(jìn)行一個(gè)簡(jiǎn)單總結(jié)用于查漏補(bǔ)缺。首先，按照我的理解，我梳理了如下一個(gè)思維導(dǎo)圖，如果讀者發(fā)現(xiàn)有什么需要補(bǔ)充或者糾正的歡迎隨時(shí)交流：

按照分類，我們先來講講視覺SLAM，視覺SLAM算法相對(duì)于激光SLAM算法的特點(diǎn)是信息更加豐富，由于是在二維提取特征點(diǎn)，因此通?？梢赃_(dá)到更高的頻率，但也正是因?yàn)樾畔⒇S富，因此更容易引入噪聲，加上缺乏三維信息，導(dǎo)致視覺SLAM算法的魯棒性在平均水平上要低于激光SLAM，尤其是通過傳統(tǒng)特征進(jìn)行定位和建圖，在工程應(yīng)用上相對(duì)受限，當(dāng)前一個(gè)熱門的方向是通過網(wǎng)絡(luò)提取更加魯棒的特征，例如Super Pixel、Super Clue，或者直接根據(jù)網(wǎng)絡(luò)輸出定位和建圖結(jié)果，這也是我之后希望進(jìn)一步了解的方向：

以下是一些視覺SLAM的博客鏈接，感興趣的同學(xué)可以了解下：
純視覺方案：
視覺SLAM總結(jié)——ORB SLAM2中關(guān)鍵知識(shí)點(diǎn)總結(jié)
視覺SLAM總結(jié)——SVO中關(guān)鍵知識(shí)點(diǎn)總結(jié)
視覺SLAM總結(jié)——LSD SLAM中關(guān)鍵知識(shí)點(diǎn)總結(jié)

結(jié)合IMU方案：
VINS-Mono關(guān)鍵知識(shí)點(diǎn)總結(jié)——前端詳解
VINS-Mono關(guān)鍵知識(shí)點(diǎn)總結(jié)——邊緣化marginalization理論和代碼詳解
VINS-Mono關(guān)鍵知識(shí)點(diǎn)總結(jié)——預(yù)積分和后端優(yōu)化IMU部分

學(xué)習(xí)MSCKF筆記——前端、圖像金字塔光流、Two Point Ransac
學(xué)習(xí)MSCKF筆記——四元數(shù)基礎(chǔ)
學(xué)習(xí)MSCKF筆記——真實(shí)狀態(tài)、標(biāo)稱狀態(tài)、誤差狀態(tài)
學(xué)習(xí)MSCKF筆記——后端、狀態(tài)預(yù)測(cè)、狀態(tài)擴(kuò)增、狀態(tài)更新

結(jié)合激光方案：
視覺激光融合——VLOAM / LIMO算法解析

我是先入門的視覺SLAM再接觸的激光SLAM，因此激光SLAM我接觸的時(shí)間并不是很長(zhǎng)，但是激光SLAM和視覺SLAM的基本方法是一樣的，只是在傳感器輸入處理上會(huì)稍有不同，正如上面提到的，激光SLAM在工程應(yīng)用方面會(huì)更加成熟，以下是一些激光SLAM的博客鏈接：
純激光方案：
學(xué)習(xí)LOAM筆記——特征點(diǎn)提取與匹配

結(jié)合IMU方案：
激光IMU融合——LIO-Mapping / LIOM / LINS / LIO-SAM算法解析

結(jié)合視覺方案：
視覺激光融合——VLOAM / LIMO算法解析
在視覺和激光結(jié)合的方向上，在2021年的ICRA上還有一片LVI-SAM，工程實(shí)現(xiàn)上是VINS-Mono和LIO-SAM的結(jié)合。

與50位技術(shù)專家面對(duì)面20年技術(shù)見證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的SLAM算法总结——经典SLAM算法框架总结的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。