- 1【Linux实践室】Linux 查询命令帮助语句（文末送书）
- 2MacBook如何通过键盘快捷键输入特殊字符_特殊符号_锐音符怎么打
- 3RxJava RxPermissions 动态权限 简介 原理 案例 MD
- 4机器学习如何帮助将芯片设计
- 5论文 | 自然语言处理顶会ACL 2018该关注什么？蚂蚁金服专家告诉你！
- 6手把手教你在本地电脑部署Stable Diffusion生成AI图像！无GPU也能跑图！_stable diffusion 本地部署
- 7鸿蒙OS元服务开发：【WebGL网页图形库开发概述】
- 8windows环境用GIT下载android源码_git 下载 libpng
- 9Windows11不插耳机、音箱提示无法找到输出设备的问题解决方法_win11声音无法找到输出设备
- 10Android9--SystemUI:(2)状态栏/导航栏 创建流程_systemui 导航栏
SLAM的现在与未来_lsd-slam的主要优点
赞
踩
作者：高翔，张涛，刘毅，颜沁睿。
编者按：本文节选自图书《视觉SLAM十四讲：从理论到实践》，系统介绍了视觉SLAM（同时定位与地图构建）所需的基本知识与核心算法，既包括数学理论基础，又包括计算机视觉的算法实现。此外，还提供了大量的实例代码供读者学习研究，从而更深入地掌握这些内容。
当前的开源方案
本文将带着读者去看看现有的SLAM方案能做到怎样的程度。特别地，我们重点关注那些提供开源实现的方案。在SLAM研究领域，能见到开源方案是很不容易的。往往论文中介绍理论只占20%的内容，其他80%都写在代码中，是论文里没有提到的。正是这些研究者们的无私奉献，推动了整个SLAM行业的快速前进，使后续研究者有了更高的起点。在我们开始做SLAM之前，应该对相似的方案有深入的了解，然后再进行自己的研究，这样才会更有意义。
本讲的前半部分将带领读者参观一下当前的视觉SLAM方案，评述其历史地位和优缺点。表1列举了一些常见的开源SLAM方案，读者可以选择感兴趣的方案进行研究和实验。限于篇幅，我们只选了一部分有代表性的方案，这肯定是不全面的。在后半部分，我们将探讨未来可能的一些发展方向，并给出当前的一些研究成果。
| 方案名称 | 传感器形式 | 地址 |
|---|---|---|
| MonoSLAM | 单目 | https://github.com/hanmekim/SceneLib2 |
| PTAM | 单目 | http://www.robots.ox.ac.uk/~gk/PTAM/ |
| ORB-SLAM | 单目为主 | http://webdiis.unizar.es/~raulmur/orbslam/ |
| LSD-SLAM | 单目为主 | http://vision.in.tum.de/research/vslam/lsdslam |
| SVO | 单目 | https://github.com/uzh-rpg/rpg_svo |
| DTAM | RGB-D | https://github.com/anuranbaka/OpenDTAM |
| DVO | RGB-D | https://github.com/tum-vision/dvo_slam |
| DSO | 单目 | https://github.com/JakobEngel/dso |
| RTAB-MAP | 双目/RGB-D | https://github.com/introlab/rtabmap |
| RGBD-SLAM-V2 | RGB-D | https://github.com/felixendres/rgbdslam_v2 |
| Elastic Fusion | RGB-D | https://github.com/mp3guy/ElasticFusion |
| Hector SLAM | 激光 | http://wiki.ros.org/hector_slam |
| GMapping | 激光 | http://wiki.ros.org/gmapping |
| OKVIS | 多目+IMU | https://github.com/ethz-asl/okvis |
| ROVIO | 单目+IMU | https://github.com/ethz-asl/rovio |
MonoSLAM
说到视觉SLAM，很多研究者第一个想到的是A. J. Davison的单目SLAM工作。Davison教授是视觉SLAM研究领域的先驱，他在2007年提出的MonoSLAM是第一个实时的单目视觉SLAM系统[2]，被认为是许多工作的发源地。MonoSLAM以扩展卡尔曼滤波为后端，追踪前端非常稀疏的特征点。由于EKF在早期SLAM中占据着明显主导地位，所以MonoSLAM亦是建立在EKF的基础之上，以相机的当前状态和所有路标点为状态量，更新其均值和协方差。
图1所示是MonoSLAM在运行时的情形。可以看到，单目相机在一幅图像当中追踪了非常稀疏的特征点（且用到了主动追踪技术）。在EKF中
