分享

SLAM包含了兩個(gè)主要的任務(wù)：定位與構(gòu)圖，在移動(dòng)機(jī)器人或者自動(dòng)駕駛中，這是一個(gè)十分重要的問題：機(jī)器人要精確的移動(dòng)，就必須要有一個(gè)環(huán)境的地圖，那么要構(gòu)建環(huán)境的地圖就需要知道機(jī)器人的位置。

本系列文章主要分成四個(gè)部分：

在第一部分中，將介紹Lidar SLAM，包括Lidar傳感器，開源Lidar SLAM系統(tǒng)，Lidar中的深度學(xué)習(xí)以及挑戰(zhàn)和未來。

第二部分重點(diǎn)介紹了Visual SLAM，包括相機(jī)傳感器，不同稠密SLAM的開源視覺SLAM系統(tǒng)。

第三部分介紹視覺慣性里程法SLAM，視覺SLAM中的深度學(xué)習(xí)以及未來。

第四部分中，將介紹激光雷達(dá)與視覺的融合。

激光雷達(dá)和視覺SLAM系統(tǒng)　說到激光雷達(dá)和視覺SLAM系統(tǒng)，必不可少的是兩者之間的標(biāo)定工作。

多傳感器校準(zhǔn)

Camera&IMU:Kalibr[1]是一個(gè)工具箱，解決了以下幾種傳感器的校準(zhǔn)：

多攝像機(jī)校準(zhǔn)。

視覺慣性校準(zhǔn)（Camera IMU）。

卷簾快門式攝像機(jī)校準(zhǔn)。

Vins融合了視覺與IMU,具有在線空間校準(zhǔn)和在線時(shí)間校準(zhǔn)的功能。

MSCKF-VIO具有攝像機(jī)和IMU的校準(zhǔn)功能。

mc-VINS[2]可以校準(zhǔn)所有多個(gè)攝像機(jī)和IMU之間的外部參數(shù)和時(shí)間偏移。

IMU-TK[3][4]還可以對(duì)IMU的內(nèi)部參數(shù)進(jìn)行校準(zhǔn)。

論文[5]提出了一種用于單目VIO的端到端網(wǎng)絡(luò)，融合了來自攝像機(jī)和IMU的數(shù)據(jù)。

總結(jié)

以上是生活随笔為你收集整理的SLAM综述(4)激光与视觉融合SLAM的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。