MATLAB算法实战应用案例精讲-【人工智能】SLAM（概念篇）（最终篇）

目录

前言

几个相关概念

 几个高频面试题目

激光SLAM和视觉SLAM的对比

算法原理

视觉SLAM的基本原理

数学模型

前端

后端

回环检测

SLAM种类

激光雷达 

机械激光雷达

固态激光雷达

激光SLAM

SLAM结构

基于滤波的传感器融合算法方案

基于优化的传感器融合算法方案

地图构建的基本原理

SLAM方法分类

SLAM主流方案

激光SLAM主流方案

Gmapping

Hector_SLAM

Karto

Cartographer

LOAM方案

LeGo-LOAM方案

LIO-SAM方案

hdl_graph_slam方案

SegMap方案

SuMa方案

SuMa++

 视觉SLAM主流方案

LSD-SLAM 方案

ORB-SLAM2 方案

ORB-SLAM3 方案

DSM 方案：Direct Sparse Mapping

VINS-Fusion 方案

ElasticFusion 方案

InfiniTAM 方案

BundleFusion 方案

应用场景

1. 无人驾驶汽车

2. 室内机器人

3. AR/VR

4. 无人机

---

 

前言

S.L.A.M.全称为Simultaneous Localization and Mapping，是以定位和建图两大技术为目标的一个研究领域。目前主流的slam技术应用为激光slam(基于激光雷达)和视觉slam(基于单/双目摄像头)，实现上主要分为基于滤波 （Filter-Based） 的SLAM，和基于图优化（Graph-Based）的SLAM。归结其本质，其实就是---State Estimation in Robotics

经典的运动重建（SFM，Structure From Motion），也叫做同步定位和制图（simultaneous localization and mapping，SLAM），基本上是假设场景是静态情况下通过