總結一下我接觸過的SLAM算法吧，主要集中在visual slam：

特征法:

1. ORB SLAM https://github.com/raulmur/ORB_SLAM2

優勢: 在靜態環境下定位準確，穩定， 單目和雙目版本都可以達到實時(高于10frames/s)。代碼可讀性強，易擴展， 網上也有實現和imu融合的版本。

劣勢：建的地圖點云稀疏。 運行速度方面，因為提特征點的時間有瓶頸最快的運行速度應該不超過30frames/s, 我在本機 (i7-6600U) 測的速度基本都在20frames/s左右，因此對于高幀率的相機需要降幀率才能用。對動態物體很敏感，再有動態物體時非常容易tracking lost。

總的來說ORB-SLAM還是在智能駕駛領域用的最廣泛的SLAM算法，因為它在work的時候可以work的很好，急需解決的問題是對特征點提取的加速，以及處理的環境中的動態物體。

 

直接法

2. DSO https://github.com/JakobEngel/dso

優勢：可以生成相當稠密的點云， 這個優點給DSO很大想象空間。 速度在可以work的時候很快, 大概在20-30frames/s。

劣勢：對場景光照要求高，要求盡量保持曝光時間的穩定。對動態物體沒有orb那樣敏感。代碼可擴展性比較差，目前

總結

以上是生活随笔為你收集整理的SLAM学习，小白入门到殿堂级大牛资料整理的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。