camera+ 2d lidar+imu 创建3d地图 论文汇总

最近开题给的题目是不规则地形slam ，但是现在有的传感器只有一个双目和一个2d雷达和imu，而且都是那种很便宜的传感器，所以先查找论文，找找方案，然后看看后面怎么搞。

1.A SLAM with simultaneous construction of 2D and 3D maps based on Rao-Blackwellized particle filters

传感器：wheel odom，2d laser scan（rplidar），depth camera(kinect v1)

环境： indoor

思路：生成两个地图。利用lidar建立一个grid map，再根据RBPF算法，利用depth camera的数据生成一个octmap。lidar和camera 应该是 松耦合。

2.A Visual SLAM System with Laser Assisted Optimization

（International Conference on Advanced Intelligent Mechatronics）

传感器：2d laser scan（rplidar），kinect 2，

环境：indoor

思路：一篇不咋地的论文，但是论文思路很独特。利用orbslam2的框架，把lidar的位姿作为camera的初始值，然后进行orbslam2的过程。

 

3.Visual-lidar Odometry and Mapping: Low-drift, Robust, and Fast（vloam)

(icra 2015)

中文解读：https://www.it610.com/article/1188358095743590400.htm

传感器：单目，3d lidar（）

思路：cmu zhang ji大神的另一篇文章，单目和3d lidar紧耦合的VLO。

 

4.Multi-camera visual SLAM for off-road navigation

（Robotics and Autonomous Systems）

构建的大尺度稀疏地图（框架类似于orb）

思路：1）主要针对时间同步问题，提出了两种方案：帧到帧的线性插值。2）高斯牛顿进行优化。

2）针对越野环境阳光直射、遮挡树叶、道路粗糙、传感器故障、稳定可跟踪纹理稀疏等问题，采用多相机协作的方式。

 

5.IMU-assisted 2D SLAM method for low-texture and dynamic environments

（MDPI applied science）

传感器：2d激光（UTM-30LX-EW），imu（ADIS16365），laptop（core i7-6）

思路：前端imu+lidar，后端loop closure采用SBA。是将雷达的地图和真实值进行对比。并没有ground truth。

 

6.Terrain estimation for high-speed rough-terrain autonomous vehicle navigation

一篇关于起伏地形的动力学建模的论文。

 

7.Mapping forests using an unmanned ground vehicle with 3D LiDAR and graph-SLAM

（Computers and Electronics in Agriculture）

思路：一篇利用VLP-16,IMU,GPS,stereo camera对树林进行三维重建的论文。

 

8.Lidar-IMU Fusion for 2.5D Mapping

（2018 ROBIO）

传感器：2d激光，imu

思路：imu获得高度信息，雷达获取平面激光信息，采用粒子滤波的方法，构建2.5d地图

 

9.Robot-Centric Elevation Mapping with Uncertainty Estimates（https://core.ac.uk/download/pdf/148004368.pdf）

(2014 Climbing and Walking Robots (CLAWAR)  )

代码：https://github.com/ANYbotics/elevation_mapping

思路：ETH的神作，一个四组机器人，以自身为中心，建立实时局部3D地图，在草地和农田 里做的实验，效果很不错。

 

10.River mapping from a flying robot: state estimation, river detection, and obstacle mapping

思路：cmu的大作，构建河流的3d地图

 

11.Real-time 3D mapping using a 2D laser scanner and IMU-aided visual SLAM

（Conference: 2017 IEEE International Conference on Real-time Computing and Robotics (IEEE RCAR 2017)  ）

传感器：2d激光，imu，rgbd camera

思路：国防科技大学的一篇论文，把2d激光竖起来，然后通过相机估计位姿，将每一帧的雷达点云拼起来。思路很强。

 

12.Visual-LiDAR odometry aided by reduced IMU

(MDPI)

传感器：VLP-16 ,IMU,GPS，

思路：把一些lidar odometry ，例如GICP,NDT等和 visual odometry的方法，例如SBA，RANSAC,bucking等进行了总结。还有sensor fusion的方法进行了总结。bucking算法，在论文Visual Odometry based on Stereo Image Sequences with RANSAC-based Outlier Rejection Scheme 中有详细描述（这篇文章感觉含金量很高），感兴趣的可以去看下。

13.Real-time Depth Enhanced Monocular Odometry

（IROS 2014）

思路：视觉里程计用RGBD或者激光进行深度增强。