本文通俗解读了SLAM算法，涵盖视觉SLAM（ORB-SLAM2, ORB-SLAM3）、视觉惯性SLAM（VINS-Mono, VINS-Fusion）、激光SLAM（Cartographer, LIO-SAM）等，并介绍了三维重建、运动规划和相机标定。通过实例和书目推荐深入理解，同时关注评价指标如精度、效率和鲁棒性。
了解slam：【一看就懂】SLAM算法原理通俗解读_哔哩哔哩_bilibili
1、视觉SLAM：ORB-SLAM2（必学基础）
2、视觉惯性SLAM：ORB-SLAM3，VINS-Mono、VINS-Fusion
3、激光/多传感器融合SLAM：Cartographer，LeGO-LOAM、LIO-SAM、LVI-SAM
4、三维重建：视觉几何OpenMVS，深度学习重建MVSNet、PatchMatchNet、JDACS-MS
5、机器人运动规划：Navfn、Dijkstra、A-Star、DWA、TEB
6、相机标定：单目/鱼眼/双目/阵列
推荐书目：《视觉slam14讲》
相机和惯导的融合（视觉惯性里程计/vio）：
港科大VINS：Mono+Fusion：讲师独家注释源码地址：https://github.com/xieqi1/VINS-Fusion-noted
或者ORB-SLAM3：GitHub - electech6/ORB_SLAM3_detailed_comments: Detailed comments for ORB-SLAM3
评价指标：
精度：ATE绝对轨迹误差, RTE相对轨迹误差
效率：同硬件下的帧率，占用的内存
鲁棒性：数据集的覆盖率：成功追踪的帧数占总帧数的比例；数据集的平均的ATE，RTE
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
