A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping
文章目录 视觉和激光雷达融合SLAM综述 Section 1 : 引言 Section 2: SLAM Section 3: V-SLAM Section 4: LiDAR Based SLAM Section 5: LIDAR-Camera Fusion Section 6: 讨论 Section 7: 参考文献 先介绍基本SLAM原理，再视觉SLAM，再激光SLAM，最后介绍两者融合SLAM。 Section 1 : 引言 Section 2: SLAM1. SLAM的概率方法解释 2. 基于图的SLAM框架
Section 3: V-SLAM1. Feature Based SLAM 2. Direct SLAM 3. RGB-D SLAM 4. Event Camera SLAM 5. Conclusions 视觉SLAM在光线改变或者低纹理环境都容易出错
Section 4: LiDAR Based SLAM1. 基于激光雷达的主要解决方案是扫描匹匹配方法，然后是图优化，每个节点表示一个传感器测量，边表示观测产生的约束 2. 占用栅格地图和粒子滤波器 3. 回环检测全局优化
Section 5: LIDAR-Camera Fusion1. 即使V-SLAM提供准确的结果，也存在一些缺陷，如：单目尺度漂移，双目深度估计精度不高，户外RGBD稠密重建困难等。 2. 激光雷达主要优点在于测距和制图方面非常准确。 3. 使用以上两者融合将大大提升SLAM性能，但是标定和融合比较困难。 4. 标定 相机和雷达外参，传统棋盘格标定[62]，CNN标定（在线标定）[63]。