激光 SLAM： 早在 2005 年的时候，激光 SLAM 就已经被研究的比较透彻，框架也已初步确定。激光 SLAM，是目前最稳定、最主流的定位导航方法。 激光 SLAM 地图构建 VSLAM（基于视觉的定位与建图）： 随着计算机视觉的迅速发展，视觉 SLAM 因为信息量大，适用范围 ...

激光SLAM与视觉SLAM的特点 目前，SLAM技术被广泛运用于机器人、无人机、无人驾驶、AR、VR等领域，依靠传感器可实现机器的自主定位、建图、路径规划等功能。由于传感器不同，SLAM的实现方式也有所不同，按传感器来分，SLAM主要包括激光SLAM和视觉SLAM两大类。 其中，激光SLAM ...

1、激光分类 维度分类： a、二维激光（单点反射、平面、旋转台） b、三维激光 距离分类： a、近距离：壁障、碰撞检测、路边检测 b、远距离：行人检测、定位、建图 特点： 优点： a、可以直接获取深度信息； b、不受环境光照影响，比较稳定； 缺点： a、稀疏性； b、几何 ...

基于后端分类： 图优化方法 滑动窗口 滤波器方法：多传感器融合 基于图优化的方法： 主要分为图的构建和求解 帧间匹配算法： ICP及其变形（PI-ICP、NIC ...

点“计算机视觉life”关注，置顶更快接收消息！ 最近在做基于激光信息的机器人行人跟踪发现如果单独利用激光信息很难完成机器人对行人的识别、跟踪等功能，因此考虑与视觉融合的方法，这样便可以充分利用激光雷达提供的精确位置信息及视觉提供的丰富纹理、颜色等场景信息。以下是最近调研视觉SLAM中 ...

SLAM 传感器分类 二维激光 三维激光 视觉传感器 声纳传感器 后端处理分类 图优化（Graph-based,优化全部位姿，属于全局优化，可能存在计算量的问题，影响实时性？？？） 滑动窗口方法（sliding-window优化固定数目的位姿，常用于VIO ...

视觉SLAM技术应用 SLAM技术背景 SLAM技术全称Simultaneous localization and mapping，中文为“同时定位与地图构建”。SLAM可以在未知的环境中实时定位自身的位置，并同时构建环境三维地图，是计算机视觉领域以及机器人领域 ...

一 递归方法 后端（Backend） 带噪声的数据估计内在状态——状态估计问题 Estimated the inner state from noisy data 渐进式（Incr ...