快看，那个学SLAM 的崩溃了!

最新推荐文章于 2025-06-17 12:46:38 发布
最新推荐文章于 2025-06-17 12:46:38 发布
阅读量2k 收藏 18
点赞数 2
CC 4.0 BY-SA版权
分类专栏： SLAM 计算机视觉 文章标签： 计算机视觉 SLAM
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。
本文链接：https://blog.youkuaiyun.com/electech6/article/details/90399319
本文列举了当前优秀的SLAM开源方案，包括纯视觉、多传感器融合和与深度学习结合的方案。同时指出SLAM学习者在看论文、跑代码、测试等阶段面临诸多困境，浪费大量时间。计算机视觉life欲解读流行开源方案，助学习者少踩坑，还邀请研究者加入。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

点“计算机视觉life”关注，置顶更快接收消息！

本文列举了当前优秀SLAM方案，点出了SLAM学习者的困境，最后打算搞点大事

请把此文转发给你认识的SLAM大神，愿你头发浓密，心想事成

当前优秀SLAM方案一览

研究SLAM的小伙伴入门的时候都经历过痛苦阶段，这是因为SLAM是个系统工程，算法比较难实现。但好在有不少优秀的开源代码可以借鉴，这里列举一些目前比较流行的开源SLAM方案（分类方式不一定科学，凑合看哈）：

纯视觉SLAM开源方案：

稀疏地图

  • ORB SLAM v2 (单目、双目、RGB-D)

半稠密地图

  • LSD SLAM (单目、双目、RGB-D)
  • DSO (单目)
  • SVO(单目, 仅VO)

稠密地图

  • RGB-D SLAM V2 (RGB-D)
  • Kintinuous (RGB-D)
  • Elastic Fusion (RGB-D)
  • Bundle Fusion (RGB-D)
  • InfiniTAM (RGB-D)
  • RTAB-Map (RGB-D，双目，LIDAR)

多传感器融合

  • VINS (单目+IMU、双目+IMU)
  • OKVIS (单目+IMU、双目+IMU)
  • ROVIO (单目+IMU）
  • RKSLAM (单目+IMU）
  • Cartographer (LIDAR + IMU)
  • V-LOAM (单目+LIDAR)

和深度学习结合

  • CNN-SLAM: 将LSD-SLAM里的深度估计和图像匹配都替换成基于CNN的方法，并可以融合语义
  • VINet : Visual-inertial odometry as a sequence-to-sequence learning problem: 利用CNN和RNN构建了一个VIO，即输入image和IMU信息，直接输出估计的pose
  • 3DMV: Joint 3D-Multi-View Prediction for 3D Semantic Scene Segmentation: 联合3D多视图预测网络在室内环境中进行RGB-D扫描的3D语义场景分割
  • ScanComplete: Large-Scale Scene Completion and Semantic Segmentation for 3D Scans: 将场景的不完整3D扫描作为输入，能够预测出完整的3D模型以及每个体素的语义标签
  • DeepVO: A Deep Learning approach for Monocular Visual Odometry
  • Lightweight Unsupervised Deep Loop Closure: 用CNN解决闭环问题

以上不全，还请大神留言补充哈

下面是重点～

那些年有没有哭晕在厕所？

很多研究SLAM的小伙伴通常会经历以下阶段：

  1. 看SLAM相关的论文，发现很多公式、理论看不懂，好不容易努力看了个大概，也不知道具体怎么用。
  2. 于是去跑开源代码，安装调试出错，网上也找不到解决方案。不知道是环境配置问题还是代码有bug。
  3. 好不容易跑通了代码。在实际测试时发现问题很多，远不如论文里写的那么牛逼，不知道这个算法的适用场景是什么。抓不住重点瞎折腾，浪费了时间。
  4. 没办法，硬着头皮去看代码，代码量又非常大，看起来非常痛苦，急需大牛帮忙梳理思路。
  5. 摸索了很久，终于发现有几个点（藏的很深）好像比较影响算法性能，还发现了一些trick的东西。自己也不会改进，感觉被骗了，纠结要不要换个开源试试。
  6. 反反复复好不容易找到适合自己的开源方案，发现上面过程要再来一遍，想要理清代码，搞懂原理也要花费大量精力，更别提改进代码了。
  7. 哭晕在SLAM的汪洋大海里。。。

学习SLAM中经历上述阶段是令人痛苦的，关键是浪费了很多宝贵的时间，即使是SLAM大神，我估计或多或少都经历过上述阶段。如果一开始有大神指点一下，肯定能绕开不少坑吧

希望在这里

基于此，计算机视觉life想要做一件事情，就是解读目前流行的开源SLAM方案（包括但不限于上述列表），帮助SLAM学习者少踩坑。如果你是一位SLAM研究者，对目前SLAM流行的开源方案有一定研究，可以加入我们，一起搞点大事。

加入方法：

请简单介绍一下自己的基本信息，如果能直接附上简历（可选）就更好啦，基本信息包括但不限于：

姓名、微信号、所在学校/公司、熟悉哪个SLAM框架，可以详细描述一下特长：比如对xx开源算法熟悉原理应用，做过xx项目，发表过xx论文，主导过xx产品等。

以上越详细越好，请务必留下微信号，方便取得联系

本文长期有效，请将上述信息发送至 simiter@126.com，邮件标题「开源SLAM」。不管是否通过筛选，一周内都会收到回复。

最后，请把此文转发给你认识的SLAM大神，愿你头发浓密，心想事成。

推荐阅读

从零开始一起学习SLAM | 为什么要学SLAM？
从零开始一起学习SLAM | 学习SLAM到底需要学什么？
从零开始一起学习SLAM | SLAM有什么用？
从零开始一起学习SLAM | C++新特性要不要学？
从零开始一起学习SLAM | 为什么要用齐次坐标？
从零开始一起学习SLAM | 三维空间刚体的旋转
从零开始一起学习SLAM | 为啥需要李群与李代数？
从零开始一起学习SLAM | 相机成像模型
从零开始一起学习SLAM | 不推公式，如何真正理解对极约束?
从零开始一起学习SLAM | 神奇的单应矩阵
从零开始一起学习SLAM | 你好，点云
从零开始一起学习SLAM | 给点云加个滤网
从零开始一起学习SLAM | 点云平滑法线估计
从零开始一起学习SLAM | 点云到网格的进化
从零开始一起学习SLAM | 理解图优化，一步步带你看懂g2o代码
零基础小白，如何入门计算机视觉？
SLAM领域牛人、牛实验室、牛研究成果梳理
我用MATLAB撸了一个2D LiDAR SLAM
可视化理解四元数，愿你不再掉头发
最近一年语义SLAM有哪些代表性工作？
视觉SLAM技术综述
汇总 | VIO、激光SLAM相关论文分类集锦

机器人学Robotics学习资料 | 我的SLAM入门路线分享
3D视觉工坊
03-24 653
点击进入—>3D视觉工坊学习交流群1、前言可能因为进入了新学期，本人遇到了几次身边小学弟和网友的提问：机器人学和SLAM该怎么入门好？由于回答了几次问题，就借着这个机会把问题的回答整理归纳下。这篇分享仅是根据本人入门Robitics和SLAM的亲身经历，基于一步一个脚印摸索而来的路线来尽可能避免小伙伴们走我的弯路，文章内容的广度和深度应该是不如网上其他大佬们整理出来的综述，但贵在真实可靠，希...
动态视觉SLAM的亿点点思考（含20项最新开源代码链接）[上篇]
3D视觉工坊
07-30 631
作者：泡椒味的口香糖 | 来源：3D视觉工坊添加微信：dddvisiona，备注：SLAM，拉你入群。文末附行业细分群。0. 笔者个人体会动态环境下的视觉SLAM一直都是研究的重点和难点，但最近动态SLAM的paper越来越少，感觉主要原因是动态SLAM的框架已经固化，很难做出大的创新。现有的模板基本就是使用目标检测或者语义分割网络剔除动态特征点，然后用几何一致性做进一步的验证。笔者最近也在思考突...
快看！那个学vSLAM的上吊了！ —— （一）综述
LY. RoboLab
05-17 1675
不同于之前发布的文章。我将使用一种全新的方式，iPad Notability+Blog的方式打开这个板块的大门。原因有两个： (1)Notability更方便手写长公式，也方便手绘坐标系变换等等； (2)之前Apple Pencil找不到了新破费买了支，加上时间上不太充裕用KaTeX编写公式，也算是投机取巧吧。 大多数笔记会通过图片的格式发布，当然也可以找我要原版PDF私信我就好啦！链接和其他blog更方便的形式我还会以MarkDown的形式呈现，感谢包容！ 这就是大致的综述，算是水了一篇文章哈~也是
快看！那个学vSLAM的头秃了！ —— （二）三维空间的刚体运动
LY. RoboLab
05-27 682
vSLAM的数学铺垫。 目录1. 点与坐标系2. 旋转矩阵3. 旋转向量和欧拉角4. 四元数 1. 点与坐标系 2. 旋转矩阵 3. 旋转向量和欧拉角 4. 四元数
SuperPoint-SLAM系统实现深度学习与视觉定位的融合
最新发布
weixin_34374684的博客
06-17 317
SLAM技术，即时空定位与地图构建技术，是机器人和自动驾驶领域中的一项基础而核心的技术。它能够实现从传感器数据中同时推断出观测者的位置以及周围环境的地图，是实现机器人自主导航和环境理解的关键技术。SLAM技术的重要性在于它能够使机器人或移动设备在未知环境中实现自主定位和建图，这对于提高设备的自主性和智能化程度至关重要。在计算机视觉领域，特征检测器是一种用于从图像中提取重要信息的算法，它旨在找到图像中具有辨识度的点或区域，以便于后续处理，如图像匹配、三维重建、物体识别等。
调试calc(Convolutional Autoencoder for Loop Closure)的问题
CaptainYJJ的博客
08-30 1221
　　这两天看了一篇做回环检测的，觉得很有意思。文章叫<<Lightweight Unsupervised Deep Loop Closure>>，大体思路是给定一张图片，首先在四个角各取一个点，然后作为新的图像，然后原图像计算HOG，新图像送到抗噪编码器产生和HOG一样的维度，最后两个HOG的欧氏距离，计算L2损失函数，解决了视角、尺度变化的问题，使回环更具鲁棒性；并且网络...
​综述 | SLAM回环检测方法
3D视觉工坊
01-25 3176
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨任旭倩来源丨计算机视觉life在视觉SLAM问题中，位姿的估计往往是一个递推的过程，即由上一帧位姿解算当前帧位姿，因此其中的误差...
SLAM机器人开发（二）SLAM技术现状
qq_42450767的博客
11-20 3830
SLAM机器人开发（二）SLAM技术现状激光SLAM2D激光SLAM3D激光SLAM视觉SLAM常见的视觉SLAM视觉SLAM对比视觉SLAM中使用的相机种类视觉SLAM效果图视觉激光融合 SLAM 激光SLAM 2D激光SLAM 激光 SLAM 在 SLAM 技术中是较为传统且成熟的。2D 激光 SLAM 技术需要输入 IMU 数据、 里程计数据和 2D 激光雷达数据，经过计算后输出覆盖栅格地图和机器人轨迹。从 20 世纪 90 年 代 EKF-SLAM 的提出开始，陆续出现了 UKF-SLAM、PF-S
Ros平台下：从零开始学习SLAM（序）
Ros平台下：从零开始学习SLAM
04-21 9706
ROS平台下：从零开始学习SLAM（序）
【ORB-SLAM2：一、 简介】
计算机领域博客，与时俱进的思想与技术。
01-19 1291
ORB-SLAM2是一种开源的、实时的基于特征的视觉SLAM系统，由RaúlMur-Artal等人于2017年提出。它是ORB-SLAM的升级版本，支持单目、双目和RGB-D三种模式，能够实现高精度的相机定位和稠密环境的稀疏地图构建。在ORB-SLAM2的代码中，变量的命名具有一定的规律和风格。这一功能显著提高了系统的长期鲁棒性和地图的全局一致性。ORB-SLAM2在开源平台GitHub上提供代码、文档和示例，拥有活跃的用户和开发者社区，这为其快速推广和改进奠定了基础。
ORB-SLAM3 单目地图初始化（终结篇）
qq_29462849的博客
12-15 2363
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达一、前言请阅读本文之前最好把ORB-SLAM3的单目初始化过程再过一遍（ORB-SLAM3 细读单目初始化过程(上)、超详细解读OR...
SLAM学了2年还是不会？每一步其实都是脚印
soaring_casia的专栏
09-20 701
学得比较艰难，直到第五讲以后，整个人彻底懵了，这都啥啊，一点也看不懂，然后开始学高博的视频课才得以继续修炼，不然那会就要放弃了。当然，如果SLAM学得可以得话，可以考虑读个博继续深造，疫情原因出国受限的话，国内也有许多大牛实验室，毕竟硕士两年多的时间实在有限，大佬除外，对于我这种普通人来说，能把知识点弄明白，在理解的基础上做一些效果还可以的实验，然后好好整理出实验数据，针对开源方案做点属于自己的东西证明自己学过SLAM，就很好了。作者：Tassel​。
[SLAM] a bite of SLAM
3D视觉工坊
03-18 526
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达本文由知乎作者黄二二授权转载，不得擅自二次转载。原文链接：https://zhuanlan.zhi...
机器学习与计算机视觉（slam技术）
嵌入式-老费，一个分享专业嵌入式知识的blog
03-13 3511
【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 slam技术，就是一边定位一边进行建图。现在比较流行的扫地机器人，其实就是slam应用的一个例子。另外工业生产上用的比较多的AGV，有一部分也是slam技术。相比较传统的磁条导航，带有slam不需要外部辅助，可以自己对环境进行建图，并且快速进行部署。 1、应用场景 ...
【计算机视觉】深入浅出SLAM技术原理
极客代码
11-06 4550
SLAM（Simultaneous Localization and Mapping，同步定位与建图）是机器人学和计算机视觉中的一个重要技术，它允许机器人在未知环境中自主导航，同时构建环境的地图并确定自身的精确位置。本文将详细介绍SLAM技术的基本原理、关键技术挑战以及常见的SLAM算法，并提供多个Python代码示例，展示如何实现一个基本的视觉SLAM系统。希望本文能够帮助读者深入了解SLAM技术的基本原理和应用场景，并通过提供的Python代码示例，激发对这一领域的兴趣。
SLAM综述：激光雷达与视觉SLAM（2019.10.12）
热门推荐
目睹闰土刺猹的瓜的博客
10-25 1万+
本文基于https://arxiv.org/pdf/1909.05214v2.pdf进行阐述（其实差不多就是精简版翻译） **第一节概述 ** 第二节讲述激光SLAM：激光传感器，开源系统，深度学习的应用。 第三节讲述视觉SLAM：相机传感器，开源系统，视觉惯性里程计，深度学习的应用。 第四节讲述激光雷达与视觉的融合。 最后展望SLAM的发展前景。 第一节：概述 SLAM：同时定位和建图（Simu...
论文笔记-Loop Closure Detection for Visual SLAM Systems Using Deep Neural Networks
一只飞鱼的博客
04-16 3938
Xiang Gao, Tao Zhang，Loop Closure Detection for Visual SLAM Systems Using Deep Neural Networks, 2015 Xiang Gao, Tao Zhang，Unsupervised learning to detect loops using deep neural networks for visual S...
如何用closure实现stack
assiduousryan的博客
04-03 260
class Stack2: def __init__(self): self.item=[] def push(self, item): self.item.append(item) def pop(self): return self.items.pop() def __len__(self): return len(sel...
ORBSLAM3的terminate called after throwing an instance of 'cv::Exception'
03-20
<think>好的，我现在需要解决用户在ORB-SLAM3中遇到的cv::Exception错误导致程序终止的问题。根据用户提供的引用内容，这个问题通常与路径错误有关。首先，我应该回顾用户提供的四个引用，看看有没有共同点和解决方案。 引用1提到加载模块失败，导致抛出cv::Exception异常。引用2指出路径不正确是可能的原因，并提到Windows和Linux下的不同解决方法。引用3中的例子是在运行视觉SLAM十四讲中的例子时，路径错误导致的问题，解决办法是调整运行命令中的路径或图片位置。引用4同样强调图片路径的问题，建议将图片放在可执行文件目录下。 综合这些信息，用户的问题很可能出在ORB-SLAM3的配置文件或启动命令中的路径设置不正确。例如，配置文件中的图像路径、词汇文件路径或者相机参数文件路径可能没有正确指定，或者在运行程序时没有传递正确的参数。 接下来，我应该分步骤考虑可能的解决方案： 1. **检查文件路径**：确保所有在配置文件中提到的文件（如YAML参数文件、词汇表vocabulary文件、图像或数据集路径）都正确无误。特别是绝对路径和相对路径的使用是否正确，尤其是在不同的操作系统下，路径分隔符可能不同（Windows用反斜杠，Linux用正斜杠）。 2. **运行命令中的路径参数**：用户可能在运行ORB-SLAM3的可执行文件时，没有正确传递参数。例如，需要指定配置文件的路径、词汇文件的路径等。如果可执行文件在build目录下，而配置文件在上一级目录，可能需要使用相对路径如../EuRoC.yaml。 3. **检查文件是否存在和权限**：确认所有需要的文件确实存在于指定的路径，并且应用程序有权限读取这些文件。有时候文件可能被误删或移动，或者权限设置不正确导致无法访问。 4. **环境变量和依赖库**：虽然引用中没有提到，但OpenCV的版本兼容性问题也可能导致异常。用户应检查ORB-SLAM3所需的OpenCV版本是否正确安装，并且环境变量配置正确，例如LD_LIBRARY_PATH是否包含OpenCV的库路径。 5. **示例中的具体解决步骤**：根据引用3和4，将图片或数据文件复制到可执行文件所在目录，或者在运行命令中正确指定相对路径可能解决问题。在ORB-SLAM3中，可能需要类似的操作，比如调整配置文件中的路径或运行命令中的参数。 6. **错误信息的具体内容**：用户应该详细查看异常信息，OpenCV通常会提示具体的错误原因，如无法打开文件、找不到模块等。根据具体的错误信息可以更快定位问题所在。 7. **代码中的硬编码路径**：检查ORB-SLAM3的源代码中是否有硬编码的文件路径，可能在编译时或运行时需要修改这些路径以适应本地环境。 总结下来，用户需要逐步检查路径配置、文件存在性、权限以及依赖库，并根据具体的错误信息调整路径设置。如果用户能提供更详细的错误日志，可以更精确地定位问题，但基于现有信息，路径错误是最可能的原因，需要重点排查。</think>### ORB-SLAM3中`cv::Exception`导致程序终止的解决方案 #### 问题分析 `terminate called after throwing an instance of 'cv::Exception'`错误通常由以下原因导致： 1. **文件路径错误**：OpenCV无法读取配置文件、数据集或词汇表文件[^3][^4]。 2. **依赖库版本冲突**：OpenCV版本与ORB-SLAM3不兼容。 3. **权限问题**：程序无权访问文件或摄像头设备。 --- ### 逐步解决方案 #### 1. **检查文件路径配置** ORB-SLAM3依赖多个外部文件（如相机参数文件、词汇表文件等），需确保路径正确。 - **配置文件路径**：检查`*.yaml`文件中图像路径、相机参数等是否为**绝对路径**或**正确的相对路径**。例如： ```yaml # EuRoC.yaml 示例 Camera.xxx: ... ImageFolder: "/home/user/data/MH_01_easy/mav0/cam0/data" # 需替换为实际路径 ``` - **启动命令参数**：运行可执行文件时，需按顺序传递参数： ```bash ./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml /数据集路径 ``` 若可执行文件在`build`目录下，需使用`../`调整路径层级。 #### 2. **验证文件存在性** 使用`ls`或文件管理器确认以下文件存在： - 词汇表文件：`ORBvoc.txt`（通常需从ORB-SLAM3官方下载）。 - 相机参数文件：如`EuRoC.yaml`、`TUM1.yaml`。 - 数据集/图像文件：检查路径中是否包含空格或特殊字符（建议路径纯英文）。 #### 3. **调整文件权限** 若在Linux系统下运行，需赋予可执行文件和数据集**读取权限**： ```bash chmod +x ./Examples/Monocular/mono_euroc chmod -R 755 /path/to/dataset ``` #### 4. **检查OpenCV版本兼容性** ORB-SLAM3需与OpenCV 3.x或4.x兼容，可通过以下命令查看版本： ```bash pkg-config --modversion opencv ``` 若版本冲突，需重新编译ORB-SLAM3并指定OpenCV路径： ```bash cmake -D OpenCV_DIR=/usr/local/opencv-3.4.15 .. ``` #### 5. **调试具体错误信息** 通过`gdb`定位异常抛出位置： ```bash gdb ./Examples/Monocular/mono_euroc run Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml /数据集路径 ``` 若错误提示`imread failed`，则确认图像路径；若提示`failed to open camera`，检查摄像头设备号[^2]。 --- ### 示例解决方案 **问题场景**：运行单目EUROC数据集时崩溃。 1. 修改`EuRoC.yaml`中的`ImageFolder`为实际数据集路径。 2. 将词汇表文件`ORBvoc.txt`复制到`build`目录下。 3. 运行命令： ```bash ./Examples/Monocular/mono_euroc ../Vocabulary/ORBvoc.txt ../Examples/Monocular/EuRoC.yaml /home/user/data/MH_01 ``` ---
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