SLAM资源收集

SLAM课程:

1、http://ais.informatik.uni-freiburg.de/teaching/ws15/mapping/  (https://www.youtube.com/watch?v=U6vr3iNrwRA&index=1&list=PLgnQpQtFTOGQrZ4O5QzbIHgl3b1JHimN_)

2、http://www.doc.ic.ac.uk/~ajd/Robotics/index.html ——Andrew Davison (Imperial College London)

3、https://webdocs.cs.ualberta.ca/~zhang/c631/——主要以作业为主 ( University of Alberta
4、高翔博士(http://www.cnblogs.com/gaoxiang12/p/5762702.html)--泡泡机器人

本贴整理了我先前做过的一些报告,以便读者查询:

  • SLAM基础知识(q群直播):ppt&录像: http://pan.baidu.com/s/1boD9yVH
  • SLAM基础知识(加长版),2016ROS暑期学校@华东师大,ppt和录音:http://www.robotics.sei.ecnu.edu.cn/ros2016/prog.html
  • 直接法的理论与实现(斗鱼直播),ppt:http://pan.baidu.com/s/1dE2cspF,录像:[稍后上传]
  • 非线性优化与g2o(斗鱼直播),ppt:http://pan.baidu.com/s/1hrY0oaK 录像:http://pan.baidu.com/s/1c2qPdle
  • caffe简介(斗鱼)[稍后上传]

  此外:

  • slamcn.org也是我和朋友们一直在维护的网站。
  • http://space.bilibili.com/38737757 是泡泡机器人公开课的b站主页。--视频

……

参考书籍:
1、“ Probabilistic Robotics”—— http://www.probabilistic-robotics.org/
2、“slam for dummies”
3、“Introduction to Estimation and Data fusion_Slides”
4、《视觉SLAM十四讲》by 高翔——相关学习笔记:http://blog.csdn.net/youngpan1101/article/category/6716830

入门篇:(摘自:http://blog.csdn.net/hiddleson/article/details/25914569)

1. Andrew Davison的课程: http://www.doc.ic.ac.uk/~ajd/Robotics/index.html

    AD在在week 8里面推荐了slam的两个入门 Tutorial 1  和Tutorial 2


2. Tutorial的两篇文章文笔灰常秀丽,但是不操作还是云里雾里:

   所以这里有一个瑞士苏黎世理工的学生练习 (http://www.csc.kth.se/~kootstra/index.php?item=313&menu=300)

   大家把excise 3:SLAM(EKF)做了,也就差不多了解些slam的原理了

   关于练习3的答案,我过几天上传好, 答案


3. 对于我这个学渣来说,EKF其实还是比较难理解,所以推荐一本书,详见第三章,学霸无视

KF、PF等滤波Matlab示例代码(http://studentdavestutorials.weebly.com/)


二、现有资源


1. OpenSLAM:https://openslam.org/

这个网站中含有很多slam方面的资料,编写的程序也各有不同,很权威


2. Kitti这个图库,大家可以下载做simulation:http://www.cvlibs.net/datasets/kitti/


3. 个人感觉exercise 3练习后,可以选择 Javier Civera 的程序进行试手,感觉灰常不错。注意对calibration的调整

    http://webdiis.unizar.es/~jcivera/code/1p-ransac-ekf-monoslam.html


4. 对于JC的1p RANSAC-monoSLAM有一定了解了,可以试试用SURF去实现

    这里有个南理工哥们的论文还不错,可以参考 http://cdmd.cnki.com.cn/Article/CDMD-10288-1012319519.htm

三、有用的书籍


1. Multiple View Geometry in Computer Vision Second Edition ,http://www.robots.ox.ac.uk/~vgg/hzbook/

    计算机视觉方面大神级别的书,也有中文版,点此下载中英文双版


2. Robotics Vision and Control  , pdf下载:http://robotics.itee.uq.edu.au/~metr4202/tpl/Robotics%20Vision%20&%20Control.pdf

通过MATLAB几乎把机器人学给贯穿了,里面每章节都有对应的Code,关于里面Matlab的codes,需要留言

澳大利亚昆士兰理工大学的Peter Corke是机器视觉领域的大牛人物,他所编写的Robotics, vision and control一书更是该领域的经典教材

配套有matlab工具箱。工具箱分为两部分,一部分为机器人方面的,另一部分为视觉方面的工具箱

源代码都是开放免费下载的: http://petercorke.com/Toolbox_software.html


3. Probabilistic Robotics. 这本书是导师推荐的

他说这本书的理解要有很好的数学基础,大神一定要读,很多不懂的都会柳暗花明

http://www.probabilistic-robotics.org/


一些专业站点:

1、
a) OpenSLAM

http://openslam.org/——这个网站中含有很多slam方面的资料,编写的程序也各有不同,很权威


b)
http://www.mrpt.org/——   mobile robot programming toolkit非常好的东西

c)ROS+SLAM

2、 RGB-D SLAM Dataset and Benchmark

3、单目SLAM

http://www.cs.unc.edu/~welch/kalman/——卡尔曼滤波

4、Computer Vision Algorithm Implementations

5、http://slamcn.org/index.php/



博客:


1. http://www.openslam.org/

2. http://www-personal.acfr.usyd.edu.au/nebot/victoria_park.htm 经典数据库

3. http://babel.isa.uma.es/mrpt/index.php/Main_Page 2008年开始陆续出现了一些好文章.

4. http://cres.usc.edu/radishrepository/view-all.php  包含了大量的用于验证SLAM算法的数据.

5. http://robots.stanford.edu/papers.html             Standford 研究团队

6. http://www.isa.uma.es/C13/jlblanco/default.aspx     西班牙的一个博士生.编程能力极强. 另外Jose Neira带领的团队也比较猛.

7. http://cml.mit.edu/~jleonard/                       麻省理工的一个团队,参加了DARPA的智能车挑战赛。目前主要从事水下SLAM的研究。

另外现在的利用飞机采集数据,研究SLAM是目前的一个热点。最近几年,理论上的突破已经很有限。大量研究者开始转向视觉SLAM。

代表人物牛津大学的Andrew Davison (http://www.doc.ic.ac.uk/~ajd/)

几个牛人:

1. Tim Beily 及所在的 悉尼大学一些研究者

2.Giorgio Grisetti;Cyrill Stachniss;Wolfram Burgard; (GridMapping 算法,及概率机器人一书作者)

3. ;M. Montemerlo; Dirk HaehnelSebastian Thrun;   (FastSLAM创始者,理论水平和实际应用能力非常强)。参加过DARPA的智能车挑战赛,取得最好成绩。

4. Austin Eliazar; Ronald Parr; (DP-SLAM创始者,从文章到数据,程序都公开的牛人)

http://www.cs.duke.edu/~eliazar

http://www.cs.duke.edu/~parr

5. 以 Jose Neira和Jose luis Blanco为代表的一批西班牙学者.

6. Andrew Davison 视觉SLAM 领域的权威。

7.John Leonard  侧重于 应用。目前主要在做水下SLAM的项目。参加过DARPA的智能车挑战赛。

http://cml.mit.edu/~jleonard

8、“why-slam-matters-future-of-real-time”  http://www.computervisionblog.com/2016/01/why-slam-matters-future-of-real-time.html



摘自:《http://www.cnblogs.com/jian-li/p/4472499.html》

教材

程序设计

  • c++
  • 《The C Programming Language》
  • 《深入理解计算机系统》
  • 《c和指针》
  • 《linux程序设计(第四版)》

编程

理论基础

  • State estimation
  • linear solver
  • Multiview geometry
  • Probabilitic robotics

SfM

SLAM

框架

数学工具

vSLAM

下面一张图是slam的分类:
slam分类

  • 传感器介绍:
  • IMU介绍
    vslam 主要使用的传感器包括三种:(1)rgbd相机;(2)单目相机;(3)双目相机。
    各种传感器的主要的优劣:
    • rgbd相机(1)优点:在于能够直接rgb图像和深度图像,不需要额外的算法计算深度信息;(2)缺点:rgbd相机由于红外相机的功率问题,容易受到太阳光的干扰,无法在室外使用。各种rgbd相机的参数我会在后面的文章中给出。
    • 单目相机:(1)优点:单目相对于rgbd相机和双目相机没啥优点,毕竟rgbd相机有一个rgb和一个深度相机,怎么样都不会比单目差吧。。而双目相机有两个rgb相机,唯一的优点可能是单目相机价格相对便宜,而且能够容易获得,比如手机呀,pad等,都有单目相机,也就有很多人用手机和pad做单目的slam。(2)缺点:无法直接获得深度信息,用单目进行slam缺少尺度信息,slam的过程中也会存在尺度漂移的问题。
    • 双目相机:(1)优点:能够获得深度信息,能够使用在室外和室内的情况,不存在rgbd相机的问题;(2)缺点:有些器件需要同步两个相机,深度大的地方深度的误差较大,很远的时候退化成单目(简单的讲就是左右两个相机看到的都是一样的)。
  • 各种传感器slam的项目罗列:
    • RGB-D相机
      (1) washington university 华盛顿大学的rgbdslam,经典的方法和理论介绍[1]。
      (2) kinfu 某位大牛根据kinectfusion的论文自己写的rgbdslam,模型非常的精细。
      (3) rgbdslam Endres大大写的slam,经典的方法。
  • rgbdslam各个模块资料
    TODO:上面列的各个slam算法
  • 单目相机资料
  • tvl1_optical_flow
  • A Multi-scale Approach to 3D Scattered Data Interpolation
    with Compactly Supported Basis Functions
  • Ptam

激光SLAM

international lidar forum

博客

编程库

期刊

其他库

python topography plot

robotics

计算机视觉

famous cv labs or website

computer vision

比赛

IMAV

摘自:https://github.com/kanster/awesome-slam

Simultaneous Localization and Mapping, also known as SLAM, is the computational problem of constructing or updating a map of an unknown environment while simultaneously keeping track of an agent's location within it.

News

Table of Contents

Books

Courses, Lectures and Workshops

Papers

Researchers

United States
Europe
Australia

Datasets

  1. Intel Research Lab (Seattle)

Code

  1. ORB-SLAM
  2. LSD-SLAM
  3. ORB-SLAM2
  4. DVO: Dense Visual Odometry
  5. SVO: Semi-Direct Monocular Visual Odometry
  6. G2O: General Graph Optimization
  7. RGBD-SLAM


评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值