当前位置:   article > 正文

MATLAB算法实战应用案例精讲-【人工智能】SLAM(概念篇)(最终篇)_如何用matlab做slam

如何用matlab做slam

目录

前言

几个相关概念

 几个高频面试题目

激光SLAM和视觉SLAM的对比

算法原理

视觉SLAM的基本原理

数学模型

前端

后端

回环检测

SLAM种类

激光雷达 

机械激光雷达

固态激光雷达

激光SLAM

SLAM结构

基于滤波的传感器融合算法方案

基于优化的传感器融合算法方案

地图构建的基本原理

SLAM方法分类

SLAM主流方案

激光SLAM主流方案

Gmapping

Hector_SLAM

Karto

Cartographer

LOAM方案

LeGo-LOAM方案

LIO-SAM方案

hdl_graph_slam方案

SegMap方案

SuMa方案

SuMa++

 视觉SLAM主流方案

LSD-SLAM 方案

ORB-SLAM2 方案

ORB-SLAM3 方案

DSM 方案:Direct Sparse Mapping

VINS-Fusion 方案

ElasticFusion 方案

InfiniTAM 方案

BundleFusion 方案

应用场景

1. 无人驾驶汽车

2. 室内机器人

3. AR/VR

4. 无人机


 

前言

S.L.A.M.全称为Simultaneous Localization and Mapping,是以定位和建图两大技术为目标的一个研究领域。目前主流的slam技术应用为激光slam(基于激光雷达)和视觉slam(基于单/双目摄像头),实现上主要分为基于滤波 (Filter-Based) 的SLAM,和基于图优化(Graph-Based)的SLAM。归结其本质,其实就是---State Estimation in Robotics

经典的运动重建(SFM,Structure From Motion),也叫做同步定位和制图(simultaneous localization and mapping,SLAM),基本上是假设场景是静态情况下通过摄像机的运动来获取图像序列并得到场景3-D结构的估计,也是计算机视觉的重要任务;在机器人领域,这个任务还会估计现场摄像头的姿态和位置,即定位任务。    

声明:本文内容由网友自发贡献,转载请注明出处:【wpsshop博客】
推荐阅读
相关标签
  

闽ICP备14008679号