室外场景的SLAM方法

室外场景的SLAM方法

拿近几年来说，2017年是SLAM非常重要的一年。这一年出产了ORB-SLAM2和DSO。

间接法

ORB-SLAM2

基于特征点的slam方法，基本上不需要任何赘述，非常经典的一中SLAM方法
资源：【论文】【代码】

直接法

DSO

DSO分为单目和双目，并不是一个人写的，DSO单目在直接法中的地位也非常高，但今天要说的是DSO双目，它用于是室外无人驾驶。
资源：
论文【单目DSO】【 双目DSO】
代码【单目DSO】【双目DSO】

区别

这两种方法都代表了目前室外视觉SLAM中的最优秀的，定位精度很高，说的都是双目

• DSO双目没有回环检测、重定位等功能
• ORB-SLAM2双目代码经济简单，更易于开发，且鲁棒性更好，所以现在用的更多
• 但是DSO双目的建图效果更好，半稠密的室外点云地图更适合用于导航

题外话：
个人对SLAM和深度学习相互促进的理解
SLAM和深度学习相互促进现在做的非常多，这也符合人类对环境的认知直观感受。但实际深度学习拿来辅助SLAM是最好的模式，就是说SLAM是主，深度学习是辅。如：用深度学习做检测目标或语义分割来帮助SLAM，反过来再相互促进就可以得到更高的精度，但是直接用深度学习来从视频中预测相机位姿或者用CNN等来预测图像深度，个人感觉目前来说不太靠谱，对人来说我可以通过学习经验来大概估计出物体距离我们的远近或者相机前后左右变换，但对于计算来说，可能需要给他更准确的信息，而不是一个含糊的信息，这让它在另一个新的环境中就很难办。

以上纯属个人理解，如有错误请不吝批评指正，欢迎共同讨论！！！