论文笔记_SLAM_Simultaneous Localization And Mapping: A Survey of Current Trends in Autonomous Driving

目录

1 论文基本信息

2 看本篇论文目的

3 内容简介

3.1 主要内容

4 介绍与问题引出

4.1 车辆定位方式对比

4.1.1 GNSS(Global Navigation Satellite System)

4.1.2 道路基础设施

4.2 定位车辆的意义

4.3 SLAM要解决的问题

4.3.1 SLAM目前面临的问题

5 SLAM典型的解决方案

5.1 Filter-based SLAM

5.1.1 Extended Kalman Filter

5.1.2 Unscented Kalman Filter

5.1.3 Information Filter

5.1.4 Particle Filter

5.2 Optimization-based SLAM

5.2.1 Bundle Adjustment

5.2.2 Graph SLAM

5.3 Filter-based SLAM 对比 Optimization-based SLAM

5.4 一些标准数据集

5.5 KITTI中高排名的算法

5.6 自主驾驶中SLAM的一些评价标准

6 Relocalization and loop closure

6.1 描述与分类

6.2 自动驾驶中，常用“重定位和闭环检测”方法汇总

6.2.1 讨论与总结

6.3 自动驾驶中，在已构建的map中Localization方法汇总

6.3.1 讨论与总结

6.4 自动驾驶中，在现有(或未来)的map的Localization方法汇总

6.4.1 讨论与总结

7 MULTI-VEHICLE SLAM

7.1 概念与分类

7.2 讨论与总结

8 讨论和结论

9 经典论文

9.1 SLAM 综述相关文章

9.2 SLAM问题的发展

9.3 多种传感器融合的方法

9.4 BA算法的经典代表

9.5 Visual Odometry 系统介绍杂志

---

1 论文基本信息

• 出处：IEEE Transactions on Intelligent Vehicles  (目前未进SCI)
• 年份：2017
• 作者：Guillaume Bresson, Zayed Alsayed, Li Yu and Sebastien Glaser
  • Guillaume Bresson：Universite Blaise Pascal (UBP), France
  • Li Yu ：aerodynamics engineering from Northwestern Polytechnical University, Xian, China

2 看本篇论文目的

• 了解SLAM在自动驾驶中，发挥什么样的作用；
  • JO答：SLAM可以为自动自动