Robotics机器人学中的SLAM与论文解读
视觉slam基础
视觉SLAM的基础知识-高翔_bilibili
视觉离人的感知还很遥远。
稠密SLAM对计算资源的消耗还是比较高。
大部分SLAM都需要在特定的假设下才能正常工作
《视觉SLAM十四讲》Notes
可以看这个大佬的!视觉SLAM十四讲
part1 数学基础
ch2初识slam
视觉slam的经典框架[静态、刚体、光照变化不明显、无人为干扰]
- 传感器读取信息
- 前端视觉里程计 (Visual Odometry)/(Front End)
相邻图像之间的运动,通过相机和空间点的几何关系
问题是有漂移,更可能会出现累计漂移 - 后端(非线性)优化(Optimization)
- 回环检测(Loop Closure Detection)
- 建图(Mapping)
ch3三维刚体运动
ch4李群和李代数
ch5相机和图像
ch6非线性优化
part2 实践应用
ch7视觉里程计1
ch8视觉里程计2
ch9后端1
ch10后端2
ch11回环检测
ch12建图
基于3DGS的SLAM(论文解读)
DROID-SLAM: Deep Visual SLAM for Monocular, Stereo, and RGB-D Cameras
DROID-SLAM: Deep Visual SLAM for Monocular,Stereo, and RGB-D Cameras
NeRF-SLAM: Real-Time Dense Monocular SLAM with Neural Radiance Field
NeRF-SLAM: Real-Time Dense Monocular SLAM with Neural Radiance Fields
CodeSLAM:Learning a Compact, Optimisable Representation for Dense Visual SLAM
CodeSLAM:Learning a Compact, Optimisable Representation for Dense Visual SLAM
卡尔曼滤波器
正常网络环境可能会打不开
卡尔曼滤波器学习笔记(一):概率论和贝叶斯滤波 - Yang's Blog (warden2018.github.io)