一、Visual SLAM
- On-SE(2) Localization and Mapping for Ground Vehicles by Fusing Odometry and Vision
针对二维平面的车辆,从视频上看,pose是二维的,features是三维的,非常适合平整地面的车辆定位。有代码;有代码,比较不错。
二、Sensor Fusion
- AI-IMU Dead-Reckoning
作者马丁是一个法国 国立巴黎高等矿业学院(相当于MIT之于美国)。使用深度学习的方法进行惯导推算。效果非常好,他的一些论文都有代码,硕士是学应用物理的。比较赞的结果是:纯IMU推算达到了ORBSLAM2的效果。 论文: 链接: https://pan.baidu.com/s/1zeLsSVGL9RIO-dqJwpNc-A 提取码: f9ft ;代码
- 较好的效果取决于三个方面1:用了IEKF;2:用学习的方法进行噪声的自适应;3:解决IMU和基座之间的松动错位。
- 跑代码过程中,没有获得预期效果,“IEKF nets loaded”完了之后就没有了。