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 Vis