SLAM学习笔记（四） 建图与展望

我们对在VSLAM领域发表的45篇有影响力的论文进行了深入的文献调研，根据不同的特点对这些论文进行了分类，包括方法创新性、领域应用新颖性、算法优化和语义层面，还讨论了目前的趋势和未来的方向，这可能有助于研究人员进行研究。

作者丨Moonkissu@知乎 来源丨https://zhuanlan.zhihu.com/p/64825421 编辑丨3D视觉工坊 之前做的深度学习闭环检测 这方面，最近想了解下语义这方面，于是总结了一些开源的语义SLAM代码共后面研究： 参考：https://github.com/Ewenwan/MVision/blob/master/vSLAM/VS_SLAM/readme.md 1.CNN (PSPNet) + ORB_SLAM2 语义SLAM Real time semantic sla

视觉SLAM十四讲笔记及课后习题-第一讲 前言 写这个博客主要是为了总结一下自己近期学习的一些知识，希望能够理顺一下，可能会包括笔记，代码实践，课后习题，这里面会有一些自己的理解以及从其他博客或者网站中了解到的相关知识。 笔记 SLAM是Simultaneous Localization and Mapping的缩写，中文译作“同时定位与地图构建”。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。如果这里的传感器主要为相机，那就称为“视觉SLAM”。

读书笔记： 这一讲算是全书的一个大纲，最关键的就是介绍了经典视觉SLAM框架。 小萝卜的例子 小萝卜要解决的问题分为两个： 要明白自身的状态 这就是location 要明白外在的环境 这就是mapping 对于视觉SLAM而言，熟悉各类相机的优缺点很有必要： SLAM问题的数学表述： 运动方程和观测方程： 经典视觉SLAM框架： 我们把整个视觉 SLAM 流程分为以下几步: 传感器...

首先什么是语义SLAM，我们知道传统的视觉SLAM是基于关键点、描述子等低级图像特征来进行定位和建图的，那么对于一些更高层次的带有明确意义的语义信息，比如现实世界中真实的物体，将它作为特征来进行优化的SLAM就称为语义SLAM，它更接近于人类的感知，因为人类对地图的观测不是看一堆点云的点，或者位姿的四元数，人类看的地图，就是这里有地铁站，那前里有红绿灯。 现如今语义SLAM的工作主要分为semantic mapping和real semantic slam，语义建图中一部分工作就是将2D图像的语义分割结.

摘要 利用目前最新的基于卷积神经网络的目标算法YLOLO，实现场景的实时目标检测，并结合SLAM算法构建语义地图。 引言

SLAM+语音机器人DIY系列：（六）SLAM建图与自主避障导航——4.多目标点导航及任务调度 摘要 通过前面的基础学习，本章进入最为激动的机器人自主导航的学习。在前面的学习铺垫后，终于迎来了最大乐趣的时刻，就是赋予我们的miiboo机器人能自由行走的生命。本章将围绕机器人SLAM建图、导航避障、巡航、监控...

作者|黑桃K 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/570562248点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【SLAM】技术交流群后台回复【SLAM综述】获取视觉SLAM、激光SLAM、RGBD-SLAM等多篇综述！一. 综述Semantic Visual Simultaneous Locali...

在树莓派上运行雷达的步骤与PC上运行的步骤完全相同。 重点在于添加了ROS多机通讯。 本文主线 1.ROS多机通讯 2.树莓派上SLAM 一、ROS多机通讯 在树莓派上跑SLAM首先要完成多机通讯的配置，有关ROS多机通讯的博客很多，但个人总结下来最简洁的方法是： ①将树莓派设为主机，PC设为从机； ②分别在各自的 /etc/hosts 文件中添加对方的 IP 和 name （测试能否相互ping通） ③在从机（PC）上的 .zshrc / .bashrc 中设置 ROS_MASTER_URI 详细步骤

传感器使用及标定 T265 D435 相机标定https://t.zsxq.com/FYz3zjm 双目标定问题 https://t.zsxq.com/myRby7e 相机选择方法 https://t.zsxq.com/7QjmIQR ros修改相机分辨率方法 https://t.zsxq.com/iyrnmeQ 相机在线光度标定 https://t.zsxq.com/qZRFYf6 深度相机对比https://t.zsxq.com/UBQfEey imu位姿积分及误差标定代码 https://t.zsxq

导航实现01_SLAM建图 参考视频：【奥特学园】ROS机器人入门课程《ROS理论与实践》零基础教程_哔哩哔哩_bilibili 参考文档：http://www.autolabor.com.cn/book/ROSTutorials/ SLAM算法有多种，当前我们选用gmapping，后续会再介绍其他几种常用的SLAM实现。 1.gmapping简介 gmapping 是ROS开源社区中较为常用且...

树莓派机载计算机的实现SLAM定位教程 SLAM定位 激光雷达SLAM建图 首先确定已将飞机定点模式设置成Lidar/T265，具体操作方法见《从零开始学习飞控教程》—5躺赢者PRO飞控OLED显示屏主要页面介绍，因为SLAM定位时，飞控需要将自身位姿信息发送给机载计算机，提供base_stabilized到base_link之间的tf信息，缺少此tf信息无法完成slam定位。需要注意的是飞控后开启温控系统，然后执行陀螺仪标定过程，为了避免激光雷达转动过程影响陀螺仪标定过程，飞控发送位姿数据是在陀螺仪标定完

13 建图 Mapping 13.1 概述 在经典的 SLAM 模型中，地图即所有路标点的集合。SLAM 作为一种底层技术，往往是用来为上层应用提供信息的。应用层面对于“定位”的需求是相似的，他们希望 SLAM 提供相机或搭载相机的主体的空间位姿信息。而对于地图，则存在着许多不同的需求。 定位：定位是地图的一个基本功能。稀疏路标地图。 导航：在地图中进行路径规划，需要知道地图中哪些地方不可通过，...

7.2.5 导航与SLAM建图 添加链接描述 场景:在 7.2.1 导航实现01_SLAM建图中，我们是通过键盘控制机器人移动实现建图的，而后续又介绍了机器人的自主移动实现，那么可不可以将二者结合，实现机器人自主移动的SLAM建图呢？ 上述需求是可行的。虽然可能会有疑问，导航时需要地图信息，之前导航实现时，是通过 map_server 包的 map_server 节点来发布地图信息的，如果不先通过SLAM建图，那么如何发布地图信息呢？SLAM建图过程中本身就会时时发布地图信息，所以无需再使用map_se