MATLAB算法实战应用案例精讲-【图像处理】SLAM技术详解（基础篇）

目录

几个高频面试题目

SLAM框架常见方案对比

点云数据

传感器

视觉SLAM框架

SLAM框架之视觉里程计

SLAM框架之后端

SLAM框架之回环检测

双目立体视觉的数学原理

双目立体视觉的数学原理

3D视觉方案

知识储备

即时定位与地图构建

应用案例

基于3D激光雷达的SLAM算法

SLAM前端

SLAM后端

 基于深度学习的3D激光SLAM算法

基于多传感器融合的3D激光SLAM算法

3D激光SLAM算法的发展趋势

---

 

几个高频面试题目

SLAM框架常见方案对比

点云数据

通过测量仪器获得 物体外观 的点数据的集合，叫点云。点云是在和目标表面特性的海量点集合。

点云是在和目标表面特性的海量点集合。
根据激光测量原理得到的点云，包括三维坐标（XYZ）和激光反射强度（Intensity）。
根据摄影测量原理得到的点云，包括三维坐标（XYZ）和颜色信息（RGB）。
结合激光测量和摄影测量原理得到点云，包括三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）。
在获取物体表面每个采样点的空间坐标后，得到的是一个点的集合，称之为“点云”(Point Cloud)。
点云的格式：; *.pts; *.asc ; *.dat; *.stl ;

随着激光雷达，RGBD相机等3D传感器在机器人，无人驾驶领域的广泛应用。针对三维点云数据的研究也逐渐从低层次几何特征提取（PFH,FPFH,VFH等）向高层次语义理解过渡（点云识别，语义分割）。与图像感知领域深度学习几乎一统天下不同，针对无序点云数据的