slam问题总结与解决方案
基于特征的SLAM中防止错误匹配对后端估计造成影响的处理手段
在基于特征的SLAM中,特征匹配是一个非常关键的问题,为了防止错误匹配对后端的估计造成影响,出现了很多鲁棒估计算法,在视觉SLAM中,目前比较流行两种方式: 一种是在SLAM后端优化中添加核函数防止错误匹配权重过大;另一种就是RANSAC随机采样一致性算法。(细节在知乎收藏)
硬件方案优缺点
常用硬件传感器及其优缺点
slam常用的相机有:
Stereo lab的ZED;双目相机,自身提供不错的功能比如深度估计和ZED Fusion;
DUO3d;红外双目相机,集成IMU;
国内的perceptIn、小觅、远形、INDEMIND,等等。
激光雷达有:
rs、velodyne等
视觉SLAM算法对相机的需求
1、图像频率: 图像频率越高越好。频率高,两个图像之间的差异就越小,算法允许的运动速度就越快。无人车上用的相机常见为15Hz&#x