论文笔记_SLAM_An Overview of SLAM

浅浅的花香味﹌ 2023-07-05 10:07 3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
                         *  2. RANSIC 算法
                         *  3. 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