dhdgf-优快云博客

原创 slam_five_modules

之前一直在解读论文，但是没有对slam系统做一个解析，现在觉得有必要对slam整个系统做一下简介以便同学们学习，正好最近GPT6出来了，使用gpt6加上我自己之前积累的一些知识库对slam五大模块进行了简单概括。面向 LiDAR、视觉、IMU 融合的通用 SLAM 学习与面试笔记。内容以“数据如何流动、约束如何形成、误差如何被修正”为主线，并结合 FAST-LIO2、VINS-Mono、ICP、Ceres、ROS 2 TF 说明工程实现。

2026-09-09 12:03:35 280

原创 2026-08-17_KISS-ICP

点对点的ICP，极小的输入量与极高的精度，只估计当前SE(3)位姿，ICP也几乎是slam算法面试里面最常见的问题之一了，类似还有NDT，RANSAC等配准算法

2026-08-17 21:46:05 358

原创 2026-08-15_LVI-SAM

LVI-SAM 把 LiDAR、视觉和 IMU 放进一个互相增强的紧耦合 SLAM 框架：视觉惯性子系统负责高频视觉跟踪和回环候选，激光惯性子系统负责几何稳定的 scan-to-map 与全局优化。工程上它不是简单把 VINS 和 LIO-SAM 串起来，而是让两套子系统通过深度关联、初值、因子图和回环精化共享状态。

2026-08-15 19:14:09 300

原创 Point-LIO

Point-LIO 解决高频 LiDAR 与 IMU 紧耦合里程计在剧烈运动、运动畸变和实时性上的工程难题：它不再等一整帧点云完成后做 scan-to-map，而是以“点”为单位把 LiDAR 测量直接注入迭代误差状态卡尔曼滤波器，实现高带宽、低延迟的 LiDAR-Inertial Odometry。

2026-06-25 20:24:41 603

原创 Gaussian-Splatting-SLAM 结合前沿高斯泼溅与slam，这一篇我有时间会复现一下

Gaussian Splatting SLAM（仓库中常称 MonoGS）把 3D Gaussian Splatting 从“离线重建 + 已知 SfM 位姿”的范式改造成可在线运行的稠密 SLAM：用同一组 3D Gaussians 同时支持相机跟踪、局部建图和高质量渲染。它的工程核心不是再维护传统点云/TSDF/NeRF 隐式场，而是把高斯作为唯一地图表示，并通过可微光栅化把位姿和地图参数放进同一个优化闭环。

2026-06-23 09:20:21 686

原创 2026-06-18_Kimera

Kimera 是一个面向实时 CPU 运行的开源 metric-semantic SLAM 系统，把视觉惯性里程计、位姿图优化、3D mesh 生成和语义稠密重建拆成可组合模块。对工程实现而言，它的核心价值不是单个前端技巧，而是把 VIO、PGO、Mesher、语义重建组织成清晰的流水线与线程化系统，让机器人能在线输出轨迹、稀疏/稠密地图和带语义标签的三角网格。

2026-06-18 18:51:43 160

原创 iSAM2：Bayes树增量优化SLAM后端，可以和前两天发的fast-lio2互补一下

iSAM2 解决的是 SLAM / SfM 中因子图后端如何在线增量优化的问题：新关键帧、里程计、回环因子不断加入时，不每次从头做全局 BA，而是维护 Bayes tree，只重线性化和重消元受影响的局部变量。工程上，它是 GTSAMISAM2类背后的核心算法，也是很多 VIO、LiDAR SLAM、Pose Graph Optimization 系统的标准增量后端。

2026-06-17 19:32:19 416

原创 2026-06-10_ORB-SLAM3

slam算法工程师，现在每天让ai帮我生成一份slam相关领域的论文解读，后面也会自己复现一些经典的slam论文，大家有想看的论文也可以跟我说，我也可以尝试去复现一下，和大家一起学习。今天分享的是orb-slam3，视觉slam方向非常非常经典的一篇论文，后续可能会发一些复现结果

2026-06-16 19:43:35 189

原创 FAST-LIO2论文解读

FAST-LIO2 是一个直接使用原始 LiDAR 点、通过紧耦合迭代误差状态 Kalman Filter 融合 IMU 的高实时 LiDAR-Inertial Odometry 系统。它最值得工程学习的地方是：不用显式特征提取，直接做点到局部地图平面约束，并用 ikd-Tree 支持实时增量地图维护。

2026-06-15 18:04:14 588

dhdgf的博客