论文笔记_SLAM_综述十几篇_目录

喜欢ヅ旅行 2023-07-05 10:09 167阅读 0赞

**目录**

1 An Overview of SLAM

2 Visual simultaneous localization and mapping: a survey

3 Feature‑based visual simultaneous localization and mapping: a survey

4 An Overview of SLAM

5 Visual SLAM and Structure from Motion in Dynamic Environments: A Survey

6 Simultaneous Localization And Mapping: A Survey of Current Trends in Autonomous Driving

7 A Survey of Computer Vision Research for Automotive Systems

8 3D Reconstruction using a Sparse Laser Scanner and a Single Camera for Outdoor Autonomous vehicle

9 Visual SLAM for Driverless Cars: A Brief Survey

10 Visual Perception for Autonomous Driving

11 A Survey of Simultaneous Localization and Mapping

12 A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping

--------------------

# 1 [An Overview of SLAM][] #

*  出处： (CISC) 2018 Chinese Intelligent Systems Conference
 *  内容：
    
     *  SLAM的两个分类简介（LiDAR~ 和 Visual~）
     *  Positioning定位问题的解决方法发展
     *  VO(Visual Odometry)的解决方法及发展

*  讨论与启发
    
     *  发展趋势：Partical Filter方法有提升空间；LiDAR SLAM 算法方案相对成熟，问题是激光雷达太贵；
     *  基于特征点的VO方法：问题是太耗时；
     *  多传感器融合、用深度学习生成语言地图是趋势。

# 2 [Visual simultaneous localization and mapping: a survey][Visual simultaneous localization and mapping_ a survey] #

*  出处： Artif Intell Rev (2区)
 *  内容：
    
     *  不同传感器比较
     *  Visual SLAM 现存问题
     *  Visual SLAM 解决方案
     *  显著特征选择
     *  图像匹配与数据关联
     *  地图的表达
     *  测试数据库
     *  代表性论文

*  讨论与启发
    
     *  发展趋势：小范围静态SLAM较成熟；动态、复杂、大场景SLAM是活跃区域；RGB-D SLAM 目前较新的研究方向；
     *  兴趣点：多传感器融合、RGB-D SLAM、地图表达、SfM相关方法；
     *  思考：SLAM能为自动驾驶做些什么？

# 3 **Feature‑based** visual simultaneous localization and mapping: a survey #

*  出处： SN Applied Sciences (新期刊)
 *  内容：
    
     *  SLAM 常见的几个模块
     *  不同层次的feature（点->线面->对象）对SLAM常见问题的贡献

*  讨论与启发
    
     *  发展趋势：语义在visual SLAM中被大量利用，通过整合特征之间的关系来理解场景还没完全探索，是本文讨论重点；
     *  自2012年深度学习突破以来，object detectors 在SLAM中得到了广泛的应用；
     *  目前chanllengs: 对环境普适性研究；通过神经网络进行 post-processing 可能对鲁棒性有较大改善。

# 4 [An Overview of SLAM][An Overview of SLAM 1] #

*  出处： SPIE 国际光学工程学会 Feng Yang, Northwestern Polytechnical University，Xi’an, China
 *  内容：
    
     *  ORB-SLAM
     *  RGB-D SLAM
     *  多传感器融合
     *  深度学习SLAM上应用
     *  动态的场景的探索
     *  参考文献

*  讨论与启发
    
     *  深度学习在特征表示、特征匹配、相机速度方向估计有一定的贡献；
     *  RGB-D SLAM问题：测量距离短，大型户外不适用；
     *  Lidar SLAM精度高，技术成熟，可以作为工具试试；
     *  语义SALM正逐渐被重视。

# 5 [Visual SLAM and Structure from Motion in Dynamic Environments: A Survey][Visual SLAM and Structure from Motion in Dynamic Environments_ A Survey] #

*  出处： ACM Computing Surveys (2区)
 *  内容：
    
     *  将**动态环境下**的SLAM问题进行系统的划分
     *  鲁棒的 Visual SLAM (**运动目标分割**; **定位**与**3D重建**)
     *  **动态物体分割**和**3D跟踪**
     *  **联合**运动分割和重建
     *  逻辑性较强的比较了各种经典方法的优缺点
     *  经典论文，知名期刊

*  讨论与启发
    
     *  兴趣场景：自动驾驶，问题导向;
     *  实现全流程的动态环境中的SLAM需要多个研究方向的努力;
     *  本文对问题的划分有指导意义;
     *  PTAM与ORB-SLAM是较流行有效的方法;
     *  深度学习目前主要用于学习相机姿态估计还没应用于学习3D重建;
     *  Particle Filter是唯一能实时，进行动态物体(少量)跟踪和三维重建的技术，值得关注;
     *  实时性是首要解决的问题;
     *  “深度学习方法仍处于起步阶段”.

# 6 [Simultaneous Localization And Mapping: A Survey of Current Trends in Autonomous Driving][Simultaneous Localization And Mapping_ A Survey of Current Trends in Autonomous Driving] #

*  出处： IEEE Transactions on Intelligent Vehicles (目前未进SCI)
 *  内容：
    
     *  自动驾驶背景下的讨论
     *  不同的SLAM技术方案
     *  Relocalization and loop closure
     *  单车SLAM和多车SLAM
     *  经典论文-已分类

# 7 A Survey of **Computer Vision** Research for Automotive Systems #

*  出处：University of North Carolina at Chapel Hill
 *  内容：
    
     *  **KITTI** vision benchmark suite 介绍
     *  CV在自动驾驶中研究任务：
        
         *  Stereo matching
         *  VO
         *  3D对象检测
     *  实时性：软/硬件层次
     *  深度卷积神经网络发挥的作用：目标识别，检测，分割

*  讨论与启发
    
     *  目标检测，识别，分割目前主要使用深度学习的方法；
     *  KITTI数据集可为一个数据和对比的重要标准；
     *  立体匹配，视觉测量技术是目前评估相机运动，和获取场景深度的主要手段。

# 8 [3D Reconstruction using a Sparse Laser Scanner and a Single Camera for Outdoor Autonomous vehicle][] #

*  出处：IEEE 19th International Conference on Intelligent Transportation Systems (ITSC)(中科院自动化所主办)
 *  内容：
    
     *  使用稀疏的激光扫描器+图像，建立出稠密深度地图
     *  自动驾驶汽车上，在宽阔的户外环境。
     *  实时性：软/硬件层次
     *  深度卷积神经网络发挥的作用：目标识别，检测，分割

*  讨论与启发
    
     *  激光雷达和相机结合，可以创建稠密深度地图；
     *  JO:深度地图如何发挥作用，值得思考；
     *  文中用的激光雷达Velodyne，成本没降低。
        
         *  使用廉价LiDAR，是否可同样效果。

# 9 [Visual SLAM for Driverless Cars: A Brief Survey][Visual SLAM for Driverless Cars_ A Brief Survey] #

*  出处：Proceedings of the 2012 IEEE **Intelligent Vehicles** Symposium Workshops
 *  内容：
    
     *  自动驾驶任务分类
     *  地图表示形式
     *  提出VSLAM-DC系统性结构
     *  相机/特征选择
     *  相机pose估计/约束图模型
     *  闭环检测详述/优化方法
     *  VSLAM可用资源

*  讨论与启发
    
     *  vSLAM中地图构建方式对HAD有参考价值；其局部运动规划和避障对自动驾驶很有意义；
     *  地图怎样构建应结合其如何应用；

# 10 [Visual Perception for Autonomous Driving][] #

*  出处：博士论文，Freie Universität Berlin (柏林自由大学)
 *  内容：
    
     *  自动驾驶场景下相机外参自标定
     *  立体相机障碍物检测
     *  红绿灯自动识别视觉
     *  自我运动估计

*  讨论与启发
    
     *  使用立体相机在分离障碍物评估自我运动上，要比单相机好，但其深度测量值的精度，会随距离增加而下降；
     *  相机的深度测量对比激光噪声大，但目标边界更鲁棒，基于图像的障碍物跟踪，比三维跟踪(3D tracking)更稳定；
     *  知识域：光流/视差图/对极几何

# 11[ A Survey of Simultaneous Localization and Mapping][A Survey of Simultaneous Localization and Mapping] #

*  出处：Huang B, Zhao J, Liu J. **A Survey of Simultaneous Localization and Mapping**\[J\]. arXiv preprint arXiv:1909.05214, 2019.
 *  内容：
    
     *  激光雷达SLAM系统（Lidar SLAM System）
        
         *  2D SLAM
         *  3D SLAM
     *  视觉SLAM系统（Visual SLAM System）
        
         *  稀疏视觉SLAM
         *  半稠密视觉SLAM
         *  稠密视觉SLAM
         *  视觉惯性里程计SLAM
         *  深度学习与视觉SLAM
         *  挑战与未来
     *  雷达和视觉SLAM系统
        
         *  多传感器校准
         *  雷达与视觉融合

# **12 [A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping][]** #

*  出处: Debeunne C, Vivet D. **A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping**\[J\]. Sensors, 2020, 20(7): 2068.
 *  内容
    
     *  [V-SLAM][]
     *  LiDAR Based SLAM
        
         *  扫描匹配和图优化
         *  占用图和粒子过滤器
         *  回环检测提纯(Refinement)步骤
     *  LiDAR-Camera Fusion
        
         *  强制校准步骤
         *  Visual-LiDAR SLAM
            
             *  EKF混合SLAM
             *  改进Visual SLAM
             *  改进LiDAR SLAM
             *  并发LiDAR-Visual SLAM

=============================================================

*  注释 : 
    
     *  老的观点，老的数据，老的方法，老的成果
     *  新的观点，新的数据，新的方法，新的成果
     *  新理论或新模型，新设备的应用， 新应用

[An Overview of SLAM]: https://blog.csdn.net/shyjhyp11/article/details/104299246
[Visual simultaneous localization and mapping_ a survey]: https://blog.csdn.net/shyjhyp11/article/details/104375922
[An Overview of SLAM 1]: https://blog.csdn.net/shyjhyp11/article/details/104413198
[Visual SLAM and Structure from Motion in Dynamic Environments_ A Survey]: https://blog.csdn.net/shyjhyp11/article/details/104441943
[Simultaneous Localization And Mapping_ A Survey of Current Trends in Autonomous Driving]: https://blog.csdn.net/shyjhyp11/article/details/104613221
[3D Reconstruction using a Sparse Laser Scanner and a Single Camera for Outdoor Autonomous vehicle]: https://blog.csdn.net/shyjhyp11/article/details/104797191
[Visual SLAM for Driverless Cars_ A Brief Survey]: https://blog.csdn.net/shyjhyp11/article/details/104815412
[Visual Perception for Autonomous Driving]: https://blog.csdn.net/shyjhyp11/article/details/104881366
[A Survey of Simultaneous Localization and Mapping]: https://blog.csdn.net/shyjhyp11/article/details/111079836
[A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping]: https://blog.csdn.net/shyjhyp11/article/details/111081439
[V-SLAM]: https://blog.csdn.net/shyjhyp11/article/details/111081439#t4