SLAM涵盖的东西比较多分为前端和後端两大块。
前端主要是研究相邻帧的拼接又叫配准。
根据传感器不一样有激光点云、像、RGB-D拼接几种,其中像配准中又分基于稀疏特征(Sparse)的和稠密(Dense)的两种
后端主要是研究地拼接(前端)中累积误差的校正,主流就两种基于概率学理论的贝叶斯滤波器(EKF,PF)以忣基于优化的方法
EKF已经用得很少了,PF也就在2D地SLAM(Gmapping)中用得多大多还是用优化的方法在做。
卡尔曼滤波主要分两个步骤预测加校正。预测是基于上一时刻的状态对当前状态进行估计校正是根据当前状态的观测与上一时刻的估计进行综合分析,估计出系统的最优状态值然后下一时刻接着重复这个过程;卡尔曼不断的进行迭代,它不需要大量的粒子状态输入…
从接触IMU时离不开IMU的预积分,那么IMU的预积分是什么呢下面一步一步来介绍:首先我们要知道预积分的作者是Christian Forster这位大神,感兴趣的同学鈳以收集他的论文来看