目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】SLAM（基础篇）（三）

目录

前言

移动机器人视觉SLAM回环检测

01  回环检测问题描述

02  主流回环检测方法

2.1 根据路标点先验信息

2.2 词袋模型

03 传统回环检测算法改进

04  深度学习在回环检测中的应用

05  回环检测现有问题及未来发展方向

5.1 回环检测存在的问题

5.2 回环检测未来的发展方向

基于深度学习的视觉SLAM

深度学习与视觉里程计

深度学习与闭环检测

深度学习与语义SLAM

深度学习方法与传统VSLAM对比

发展趋势

分布式的VSLAM建图

高维多传感器数据处理与融合

自适应的VSLAM

基于微无人机的室内测绘与图形 SLAM

---

 

前言

同时定位与地图创建(Simultaneous Localization and Mapping，SLAM)，是指在陌生环境中，机器实现环境感知、理解和完成自身定位，以及路径规划[1-2]。在某些特殊场合可以代替人工，比如军事，交通，服务业等领域。长期以来，定位是实现路径规划的前提，在定位时，机器的首要任务是对周围环境的感知，然后对其刻画。现有许多针对已知先验环境信息的机器自主定位和地图创建的解决方法[1]。但是在大多情况下，事先获取环境先验信息很困难，因此，需要机器在陌生环境中，移动时一边计算自身位置，一边创建环境地图[3]。这也促进了SLAM的研究，随着算法和传感器的发展，SLAM研究近些年来取得了巨大突破。

SLAM本质上是一个状态估计问题，根据传感器做划分，主要是激光、视觉两大类。激光SLAM的研究在理论和工程上都比较成熟，现有的很多行业已经开始使用激光SLAM完成工业工作；而视觉SLAM (Visual SLAM，VSLAM)是将图像作为主要环境感知信息源的SLAM系统，VSLAM以计算