SLAM系统发展

SLAM系统发展历程
最新推荐文章于 2024-10-22 17:33:46 发布
原创 最新推荐文章于 2024-10-22 17:33:46 发布 · 332 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

SLAM系统发展

2007:
  MSCKF(Multi-State Constraint Kalman Filter,多状态约束Kalman滤波器)：基于滤波的单目VIO
2014:
  SVO(Semi-direct Vision Odometry，半直接法)
2015:
  ORB-SLAM
2016:
  DSO(Direct Sparse Odometry，稀疏直接法)
  ORB-SLAM2
2017:
  INS-mono
2019:
  Basalt:双目VIO

高精地图构建：Lidar SLAM与视觉SLAM对比
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
10-08 17万+
高精地图构建：Lidar SLAM与视觉SLAM对比​ ，人工智能，计算机视觉，大模型，AI，本文围绕高精地图构建，对比 Lidar SLAM 与视觉 SLAM。Lidar SLAM 通过激光获取点云数据，精度高、环境适应性强但成本高、数据量大；视觉 SLAM 利用图像，成本低、信息丰富却受光照影响大、深度获取难。还解析了 SLAM、点云等关键概念，介绍了两者融合趋势、应用案例、技术挑战及未来方向，也给出常见问题解答，为相关领域应用与学习提供参考。
SLAM 02.整体框架
jiankangyq的博客
07-22 2696
SLAM是同步定位与地图构建(Simultaneous Localization And Mapping)的缩写，最早由Hugh Durrant-Whyte 和 John J.Leonard提出。**SLAM主要用于解决移动机器人在未知环境中运行时定位导航与地图构建的问题**。SLAM更像是一个概念而不是一个算法。 这里说的同步定位和地图构建，其中的定位是指机器人对自身的定位，包括当前的位姿（位置和姿态）。地图构建是对周围环境的的重建，一般是3D环境。同步定位和建图是同步进行的，没有先后顺序。这里就存
SLAM技术在国内的发展现状
weixin_30396699的博客
09-21 2089
近年来，由于扫地机的出现使得SLAM技术名声大噪，如今，已在机器人、无人机、AVG等领域相继出现它的身影，今天就来跟大家聊一聊国内SLAM的发展现状。 SLAM的多领域应用 SLAM应用领域广泛，按其应用行业也可分为两大类，即工业领域和商业领域。 商业用途方面，目前应用最为成熟的应该是扫地机行业，而扫地机也算机器人里最早用到SLAM技术这一批了，国内的科沃斯、塔米扫地机、岚豹扫地...
SLAM发展历程
07-11
非常好的slam入门paper，值得一读。篇幅较长，是英文的
SLAM: SLAM的发展历程（WIKI）
alppkk4545的博客
10-26 508
参考维基百科： https://en.wikipedia.org/wiki/Simultaneous_localization_and_mapping 你们叫他SLAM，我还是习惯叫他三维重建...... 在机器人学中，SLAM为面对未知环境进行即时位置和地图重建。现阶段最流行的方法为基于视觉的滤波方法...
SLAM的发展及未来（传统SLAM与深度学习）
Y.W.jian的博客
07-10 2226
SLAM的未来发展之路，需要解决的问题 1.到场景中解决鲁棒性问题，解决差那么一点的问题，无人驾驶解决动态行人遮挡，水下SLAM解决有阻力和折射的问题 2.落地，加多传感器融合，偏向解决定位定姿问题，mapping解决不太好，无人机做避障需要把mapping做好，稀疏点云不太好 3.动态环境的处理，传感器融合，极限环境的条件下的处理 4.GPS紧耦合进系统 激光紧耦合进系统 5.解决极限环境下S...
SLAM的发展以及分类
qq_46067306的博客
10-10 1518
介绍了slam的技术发展以及求解过程的两种方法
SLAM-分段针孔单目鱼眼视觉SLAM系统设计-优质项目实战.zip
10-20
本优质项目实战案例中介绍了一种创新的SLAM系统设计，该系统采用了分段针孔单目鱼眼视觉传感器，这一设计对于提高SLAM系统的适应性和精度具有重要意义。 首先，针孔模型是摄影测量中常用的一种理想化模型，它假设...
SLAM-Multi-Robot多机器人SLAM系统设计-优质项目实战.zip
10-20
多机器人SLAM系统设计涉及多个移动机器人在未知环境中共同协作，完成定位和地图构建任务。这种系统设计能够提高任务效率，增强系统的鲁棒性和可靠性，尤其适用于大规模或复杂环境下的地图构建。 在多机器人SLAM系统...
基于C++和Python的开源SLAM系统设计源码精选
02-21
随着开源文化的盛行和技术的不断进步，越来越多的SLAM系统以开源的方式提供给研究者和开发者使用。本次介绍的开源SLAM系统便是其中的一个典型案例，其设计源码精选，为SLAM技术的学习和应用提供了便利。 系统设计...
SLAM的起源及发展现状
Inspire
12-31 8773
SLAM的英文全称为Simultaneous Localization and Mapping，中文意思是同步定位与构图。主要是由Hugh Durrant-Whyte和Tim Bailey这两位大神教授完成的杰作。SLAM问题回答了对于一个被放置在未知位置的未知环境中的移动机器人来递增的构建周围环境的连续性地图并同时估计自身在地图中的位置是否为可行的。SLAM问题的解决方案被视为移动机器人领域的“圣杯”，因为它实现了机器人真正意义上的自主性。 在过去的十年里，SLAM问题...
SLAM的研究历程简述
热门推荐
li_my_linux的博客
10-16 1万+
视觉SLAM概述前言视觉SLAM的发展历程现代较成熟视觉SLAM系统简介前端（VO）后端优化回环检测地图视觉SLAM现在的研究热点及未来的发展 前言 SLAM的英文全程是 Simultaneous Localization and Mapping，中文称作同时定位与地图创建。SLAM试图解决这样的问题：一个机器人在未知的环境中运动，如何通过对环境的观测确定自身的运动轨迹，同时构建出环境的地图。SL...
一种强大的视觉惯性SLAM系统SupSLAM
FEISILAB(飞思实验室）
10-13 559
提出一种新特征提取方法SuperPoint，包括一个预先训练的深度神经网络检测用于估计的关键点。该方法特征提取准确，在计算方面也很有效。适用于无人机SLAM，在大多数数据集中性能可媲美最先进的方法，在具有挑战性的条件下效果更好。
视觉SLAM学习笔记（一）——SLAM系统的概述
梁小憨憨的博客
03-16 982
通过思维导图的形式将《视觉SLAM十四讲》的内容进行整理，以下为SLAM系统的概述的部分。
基于3D激光雷达的SLAM算法研究现状与发展趋势
一点人工一点智能的博客
04-26 3584
本文从SLAM算法经典框架出发，总结分析了其前端、后端以及深度学习与多传感器融合在激光SLAM中的研究现状，系统阐述现在主流的3D激光SLAM算法原理及其存在的问题和不足，探讨了3D激光SLAM算法的研究热点和发展趋势。
SLAM的发展方向：全面概述激光SLAM、视觉SLAM、雷视融合SLAM、多传感器SLAM及其未来发展
小蜗牛的珍贵百宝箱
09-27 7096
激光SLAM是依赖于激光雷达（LiDAR）的系统，通过激光扫描环境中的障碍物、地形、物体生成3D点云数据，实现高精度定位和地图构建。激光SLAM是机器人、无人驾驶汽车、地形扫描仪等应用中广泛采用的方式。视觉SLAM使用相机作为主要传感器，通过捕捉的图像信息构建地图并实现定位。相机作为低成本的传感器，视觉SLAM近年来成为研究的热点，尤其在消费级无人机、AR/VR设备中广泛应用。雷视融合SLAM通过将激光雷达与相机的数据进行融合，结合激光的精度与相机的丰富视觉信息，实现更加稳健的定位与地图构建。
SLAM入门一----视觉SLAM概述
coder_links的博客
10-22 5104
视觉SLAM系统主要有五部分组成，分别是视觉传感器模块、前端模块、后端模块、闭环模块和建图模块，本文章主要初步介绍各个模块，后续将进一步展开。
一起自学SLAM算法：7.1 SLAM发展简史
机器人研究猿-优快云
01-20 3656
连载文章，长期更新，欢迎关注：纵观历史，历经30多年的发展，SLAM已经不是一个新鲜事物了。但要得益于近几年来火遍全球的人工智能及无人驾驶技术，SLAM才真正进入大众的视野。虽然这些年SLAM研究取得了无数举世瞩目的成果，但是国内的研究状态还处于起步阶段，相关专业学习资料很少，并兼理论性和实践性的系统化归纳整理资料就更少了。为了帮助国内的广大学习者更深入地理解SLAM技术，这里特意对SLAM发展历史做一个梳理，通过对SLAM数学理论发展演进过程的介绍，帮助广大学习者把握SLAM技术背后的本质。
SLAM发展现状研究
kaohoooo的博客
09-14 3040
SLAM，是指同步定位与建图，定位与建图是两个相辅相成的技术，定位依赖成熟正确的地图构建，建图依赖准确的定位技术。SLAM主要包括激光雷达传感器为核心的激光SLAM和以各类相机传感器为核心的视觉 SLAM两类。
slam发展趋势
最新发布
03-22
<think>好的，我需要帮助用户了解SLAM技术的发展趋势和最新研究方向。首先，我需要回忆一下用户提供的三个引用内容，看看里面有哪些关键点。 引用[1]提到VSLAM在中规中矩地发展，各个环节逐步优化，并吸收其他方向的成果。长期来看，综述文章提到了向“稳健感知时代”发展，可能涉及系统鲁棒性、多传感器融合等。用户可能想知道具体有哪些改进方向。 引用[2]讨论了研究趋势，特别是结合深度学习和使用新型传感器如Event Camera。这里需要强调深度学习在SLAM中的应用，比如特征提取、场景理解，以及新传感器带来的优势，比如高动态范围。 引用[3]主要关于激光SLAM的发展和应用，提到定位与地图构建的结合，以及多传感器融合的重要性。这里可以扩展到激光与视觉融合的趋势，比如VIO（视觉惯性里程计）和LIO（激光惯性里程计）。 接下来，我需要将这些信息组织成清晰的趋势点。可能需要分点说明：鲁棒性与自适应能力、深度学习结合、多传感器融合、新型传感器应用、语义SLAM、边缘计算与轻量化、长期定位与地图维护。 每个点都要结合引用中的内容，比如在鲁棒性部分引用[1]提到的稳健感知时代，多传感器融合引用[3]。深度学习部分引用[2]中的结合趋势，新型传感器如Event Camera也在引用[2]里提到。语义SLAM可能需要结合深度学习的场景理解，这也是引用[2]的延伸。 另外，用户可能对具体的技术细节感兴趣，比如VIO、LIO、端到端的SLAM系统，这些需要简要解释。还要注意使用正确的中文术语，比如“事件相机”对应Event Camera。 最后，生成的相关问题需要覆盖用户可能进一步询问的方向，比如深度学习结合的具体方法、多传感器融合的挑战、Event Camera的优势、语义SLAM的应用场景等。确保问题有针对性，能够引导用户深入探索。 检查是否所有数学公式都正确使用$...$或$$...$$，虽然当前回答中可能没有太多公式，但如果有的话需要正确应用。例如，提到位姿估计时，如果有方程，应该用LaTeX格式。 现在组织答案结构，确保每个趋势点都有引用支持，并且自然添加引用标识。例如，在深度学习结合的部分末尾加上[^2]，在新型传感器部分加上等。 最后验证是否符合用户的要求：结构清晰、分点说明、引用正确、生成相关问题。确保没有使用Markdown格式，语言口语化，但保持专业性。</think>### SLAM技术发展趋势及最新研究方向 #### 1. **鲁棒性与自适应能力提升** 当前SLAM系统在动态环境、弱纹理场景（如纯色墙面）和光照变化下的鲁棒性仍是研究重点。例如，通过引入概率模型或在线学习方法，使系统能自适应环境变化[^1]。激光SLAM与视觉SLAM的融合（如LIO-SAM）也在提升系统稳定性[^3]。 #### 2. **深度学习与SLAM深度融合** 深度学习被用于改进特征提取（如SuperPoint）、场景理解（语义分割）和端到端位姿估计。例如，用神经网络直接预测相机运动，替代传统优化方法。 $$ \text{位姿估计模型: } T_{t} = f(I_{t}, I_{t-1}) $$ 此类方法在动态物体干扰下表现优异。 #### 3. **多传感器紧耦合** 趋势包括： - **视觉-惯性融合**：VIO（如VINS-Fusion）通过IMU补偿图像模糊 - **激光-惯性融合**：LIO（如LIO-SAM）提升高速运动下的精度 - **事件相机应用**：利用事件相机的高动态特性解决运动模糊问题 #### 4. **语义SLAM与场景理解** 将语义信息（如物体识别）融入建图过程，生成带语义标签的地图。例如，用YOLO检测物体后优化地图中的语义关联，增强机器人交互能力。 #### 5. **边缘计算与轻量化部署** 研究方向包括： - 模型压缩（如TensorRT加速深度学习模块） - 基于ROS 2的分布式SLAM系统 - 面向嵌入式设备（如Jetson系列）的算法优化 #### 6. **长期定位与地图维护** 解决“重定位漂移”问题，通过增量式地图更新和跨会话地图复用（如Google Cartographer的 submapping 技术）实现长期自治。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值