论文笔记_S2D.55_2019_SLAM综述_Huang B. A Survey of Simultaneous Localization and Mapping

目录

基本情况

前言

I 概述

II Lidar SLAM

2.1 激光雷达传感器

2.2 激光雷达SLAM系统（Lidar SLAM System）

1) 2D SLAM

2) 3D SLAM

3) 深度学习与激光雷达(点云)

2.3 挑战与未来

1) 成本和适应性

2) 弱纹理和动态环境

3) 敌对的传感器攻击

III Visual SLAM

3.1 视觉传感器

3.2 视觉SLAM系统（Visual SLAM System）

1) 稀疏视觉SLAM

2) 半稠密视觉SLAM

3) 稠密视觉SLAM

4) 视觉惯性里程计(VIO) SLAM

5) 深度学习与视觉SLAM

3.3 挑战与未来

1）鲁棒性和可移植性

2）多传感器融合

3）语义SLAM

4）软件和硬件

IV 激光雷达和视觉SLAM系统

4.1 多传感器校准

1) Camera & IMU

2) Camera & Depth

3) Lidar & IMU

4) Camera & Lidar

4.2 激光雷达与视觉融合

1) Hardware layer

2) Data layer

3) Task layer

4.3 挑战和未来

参考

---

基本情况

• 出处：Huang B, Zhao J, Liu J. A Survey of Simultaneous Localization and Mapping[J]. arXiv preprint arXiv:1909.05214, 2019.

前言

同步定位和地图绘制（SLAM）达到了基于自我感知的同时定位和地图构建的目的。 本文对SLAM进行了概述，包括Lidar SLAM，可视SLAM及其融合。 对于激光雷达或视觉SLAM，该调查说明了传感器的基本类型和产品，分类和历史的开源系统，嵌入式的深度学习，挑战和未来。 另外，补充了视觉惯性里程计。 对于激光雷达和视觉融合SLAM，本文重点介绍了多传感器校准，硬件，数据，任务层中的融合。 悬而未决的问题和前瞻性思考结束了本文。 本文的贡献可以归纳如下：本文提供了SLAM的高质量和全面概述。 对于新的研究人员来说，掌握SLAM的发展并非常明显地学习它是非常友好的。 同样，该论文也