论文笔记_SLAM_An Overview of SLAM

浅浅的花香味﹌ 2023-07-05 10:07 107阅读 0赞

目录

1 论文介绍

2 SLAM 要解决的问题

3 SLAM 分类

4 Positioning 解决方案发展

4.1 non-probabilistic

4.2 probabilistic 基于概率的方法

5 VO 解决方案发展

5.1 feature point method 基于特征提取的方法 （目前主流）

5.2 direct method 不提取特征，直接法

1 论文介绍

  • 出处：(CISC)Chinese Intelligent Systems Conference
  • 年份：2018
  • 作者：Sufang Wang, University of Science and Technology Beijing

2 SLAM 要解决的问题

  • navigation
  • positioning

3 SLAM 分类

  • LiDAR SLAM

  • Visual SLAM

    • 分类

      • Monocular SLAM, 使用单相机
      • Stereo Vision， 使用立体相机
      • RGB-D， 使用带depth的RGB相机

    • 设计分为两部分

      • Visual front-end 视觉处理前端: Visual Odometry (VO)
      • optimized back-end 优化处理后端

4 Positioning 解决方案发展

4.1 non-probabilistic

  • VO ( visual odometry )

4.2 probabilistic 基于概率的方法

  • bayesian estimation (BE)

    • 主流：Kalman filter (非线性系统方案， 问题是 lack of self-closed loop capability)

      • Extend KF (EKF)
      • Unsented KF (好一点)

  • particle filter (PF) method

    • RBPF(Rao-Blackwellised Particle Filter)

      • FastSLAM (特征使用EKF估计)

5 VO 解决方案发展

5.1 feature point method 基于特征提取的方法 （目前主流）

  • Mono SLAM

    • 设计：

      • front : track point
      • back: EKF

    • 发展

      • parallel tracking and mapping (PTAM)

        • ORB-SLAM (目前较常用，ORB: Oriented FAST and BRIET 特征）

          • 问题： 对象的 true depth 不可知； stereo cameras 的计算量太大

          • 发展方案

            • RGB-D SLAM

                1. 使用 SIFT 特征
                1. RANSIC 算法
                1. ICP 算法（目前广泛使用）

5.2 direct method 不提取特征，直接法

  • 根据使用的像素点数的多少分类：

    • sparse

      • SVO (fast semi-direct monocular visual odometry, ICRA 2014)

    • semi-dense

      • LSD-SLAM ( a large-scale direct monocular SLAM, 2014)
    • dense

  • 直接法的优缺点

    • 优点： 执行快；对于光学测量误差的鲁棒性好
    • 缺点： 在 large baseline motion中， 鲁棒性差

发表评论

表情：
评论列表 （有 0 条评论，107人围观）

还没有评论，来说两句吧...

相关阅读