VSLAM综述

传统SLAM算法及相关成果的介绍

         根据传感器的分类可将VSLAM大致分为单目SLAM、双目SLAM（立体）和RGB-D SLAM。有根据对图像信息不同的处理方式可分为直接法SLAM和基于特征SLAM。直接法主要有直接法和光流法，该类算法近几年才被提出，在场景特征点少的情况下，有较强的鲁棒性，适用于稠密建图。基于特征SLAM主要是对图像进行特征提取，主要的特征提取算法有SIFT特征提取（用在三维重构中）、SURF特征提取、ORB特征提取和关键帧（PTAM为代表）。

      SLAM标志性成果：

第一个基于EKF的单目SLAM：MonoSLAM

基于直接法的单目SLAM：DTAM

第一个多线程处理的SLAM（第一个基于Kinect）：PTAM

基于关键帧的SLAM：ORB_SLAM

      SLAM知名研究实验室：

（1)苏黎世联邦理工学院的Autonomous System lab    主要负责：视觉定位和深度重建算法

（2）明尼苏达大学的Multiple  Autonomous Robotic System Laboratory,主要研究四轴飞行器导航，合作建图，基于地图的定位，半稠密地图创建

（3）慕尼黑理工大学的The Computer Vision Group 主要研究三维重构、机器人视觉、VSLAM

 

VSLAM的 关键性问题

（1）特征检测和匹配

        上面简单介绍过一些特征匹配的算法，每种算法各有优缺点。SIFT算法具有旋转不变性、尺度不变性、放射变换不变性，对噪声和光照变化有一定