本文深入探讨了SLAM（Simultaneous Localization And Mapping）技术，特别是双目视觉惯性雷达SLAM。文章阐述了SLAM的基本概念、相关工作、系统构成，并详细分析了视觉前端、双目视觉惯性里程计、激光建图和闭环检测等关键模块。此外，还列举了多种开源视觉SLAM方案，涵盖了几何SLAM、语义SLAM、多地标/物体SLAM、传感器融合、动态SLAM、建图和优化等多个方面，展示了SLAM技术在实际应用中的多样性和复杂性。
目录
14. LCSD_SLAM（松耦合的半直接法单目 SLAM）
16. scale_optimization（将单目 DSO 拓展到双目）
18. GSLAM（集成 ORB-SLAM2，DSO，SVO 的通用框架）
19. ARM-VO（运行于 ARM 处理器上的单目 VO）
21. Map2DFusion（单目 SLAM 无人机图像拼接）
30. ORB-SLAM2 + 目标检测/分割的方案语义建图
33. object-detection-sptam（目标检测与双目 SLAM）
34. Map Slammer（单目深度估计 + SLAM）
36. GCNv2_SLAM （基于图卷积神经网络 SLAM）
三、Multi-Landmarks / Object SLAM（15 项）
44. lld-slam（用于 SLAM 的可学习型线段描述符）
53. Structure-SLAM-PointLine （室内环境单目点线 SLAM）
74. DynamicSemanticMapping（动态语义建图）
89. RobustPCLReconstruction（户外稠密重建）
91. DenseSurfelMapping（稠密表面重建）
96. DeepFactors（实时的概率单目稠密 SLAM）
97. probabilistic_mapping（单目概率稠密重建）
前言
SLAM (simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建，或并发建图与定位。问题可以描述为：将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图，所谓完全的地图（a consistent map）是指不受障碍行进到房间可进入的每个角落。SLAM最早由Smith、Self和Cheeseman于1988年提出。由于其重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。
视觉 SLAM 算法可以实时构建世界的 3D 地图，并同时追踪摄像头（手持式或增强现实设备上的头戴式或安装在机器人上
订阅专栏 解锁全文
扫一扫
456
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
