CIL-SLAM 1、工程简介 cil-slam是相机-惯性测量单元-雷达紧耦合slam系统的简称，也是我硕士毕业的课题，目前为止完成度不高，要抓紧时间了！总体思想：参考lio-sam以因子图作为后端，添加imu预积分约束（同时高频imu测量辅助点云进行畸变去除和姿态预测）、雷达里程计约束、视觉里程计约束（3D-2D的匹配）。 2、视觉部分 以激光雷达帧构成的局部地图补全视觉特征的深度，视觉部分采用点特征以及线特征，前端特征提取与跟踪已经完成。代码上对vins-mono的光流跟踪节点以及Pl-vio的线特征跟踪节点进行了重构，采用ROS与功能类分离的设计，同时也提升了代码的可读性。 光流跟踪效果： 线特征匹配效果： 3、参考资源 感谢以下大佬的文章以及开源代码，没有他们的杰出工作，我们去哪搬砖呀： ，Tixiao Shan小哥真的是年轻有为！

基于视觉的室内场景定位与建图（VSLAM）在智能设备自主定位与导航领域内扮演着极为重要的作用，但是当前主流算法的回环检测及重定位环节上在动态光照情况下存在匹配丢失，严重影响定位累计误差的修正与建图精度。因此提出了基于一种改进的点云特征提取与匹配的定位方法，将由RGB图像得到的点云通过聚类的方法分割成一个个稳定区域，并建立基于面片特性及相互空间关系的场景特征描述，最后通过该特征描述进行两帧图像的数据关联及相机的定位，利用更具有鲁棒性的区域特征提取方法克服光照变化情况下的视觉定位不足问题。实验证明提出的方法不仅可以适应动态光照环境，而且定位效果优于目前主流的基于图像点特征的定位算法。

融合视觉传感器和激光雷达可以实现优于单一传感器的同时定位与建图(SLAM)系统,现有的视觉和激光雷达融合算法仍然存在计算复杂度高、系统精度及稳定性受错误的深度匹配影响等问题。为了更加高效、鲁棒地融合视觉和激光雷达的信息,充分利用图像和激光点云中的地平面信息,提出了高效的视觉辅助激光雷达SLAM算法。首先,从激光点云中分割出地面点云用于提取图像中的地面ORB特征点,并通过单应性变换中的交比不变性校验特征匹配,从而高效鲁棒地利用单应性矩阵分解实现绝对尺度相机运动估计。然后,将得到的相机运动估计以李群SE(3)形式进行插值,用于校正激光雷达在自身运动过程中产生的点云畸变。最后,单目相机的运动估计作为初值用于激光里程计的位姿优化。公共数据集KITTI和实际环境的测试结果表明,本文算法可以有效利用相机运动估计对激光点云畸变进行校正,实时准确地实现里程计和建图。

人工智能-机器学习-面向建筑物内部环境的移动机器人同时定位与地图构建方法研究与应用.pdf

matlab的egde源代码概述 MATLAB中的SLAM模拟器使用图形界面进行可视化，并允许手动绘制房间和障碍物。 有关该软件的视频和更多信息的示例，请访问： 版权信息 该软件由Jai Juneja编写和开发，是牛津大学工程科学系本科项目的一部分。 如果您有任何疑问，可以通过以下方式与我联系： 请随时出于个人或研究目的使用，修改和分发该软件，并注明作者的身份并包含此版权信息。 其中包含的某些代码已从其他软件改编而成。 他们被承认如下： 雅各布变换的代码改编自琼·索拉（）的SLAM课程（） doICP.m中的ICP算法改编自Ajmal Saeed Mian编写的代码（文件中包含相关版权信息）。 未修改的任何第三方代码都在文件夹3rd-party中 指示 导航到根文件夹并运行setup.m（您可以仅在命令窗口中键入“ setup”）。 GUI应该打开。 在根文件夹中有许多可用地图保存为.mat文件，可以加载这些地图，也可以创建自己的地图。 准备就绪后，单击“执行SLAM模拟”。 您可以将生成的网格图另存为.mat文件（以及地图分辨率）或.tiff图像中的矩阵。

计算机视觉与深度学习SLAM综述（自主移动机器人同时定位与地图创建） 计算机视觉.pdf

计算机视觉与深度学习SLAM综述（自主移动机器人同时定位与地图创建） 计算机视觉.pdf

同时定位和映射（SLAM） 在计算几何学和机器人技术中，同时定位和映射（SLAM）是在构造或更新未知环境的地图同时跟踪代理在其中的位置的计算问题。 这是在机器人四处移动并探索未知区域时使用范围传感器（例如激光传感器，3D传感器，超声波传感器）构建地图的过程。 传感器融合：此过程使用诸如卡尔曼滤波器或粒子滤波器之类的滤波技术。 目录 建于 ROS工作区首先需要初始化 mkdir ~ /catkin_ws/src / cd ~/catkin_ws catkin_init_workspace 之后，可以克隆或下载存储库，并在相应路径中解压缩。 可以编译软件包，并且必须获取环境。 catkin_make source devel/setup.bash 接下来，在凉亭世界中启动机器人，并打开可视化程序RVIZ。 roslaunch turtlebot3_gazebo turtlebot3

matlab导入excel代码SLAM-AIRSIM 使用AirSim和MATLAB实现SLAM（同时定位和地图绘制） 基本上，使用我们的工作 您必须采用“ corridor.py”代码，并取出必要的代码片段（收集Lidar_data并将其存储在具有多张工作表的Excel工作簿中。） 现在将Excel数据导入到Matlab导航工具箱中，并执行姿势图优化。 如果您使用的是离线MATALAB，请先安装Navigation ToolBox，然后运行2D离线SLAM示例。 调整参数以使其在您的地图构建（AIRSIM）中运行。 相反，您可以直接导入我们的“ lidarloader.mlx”，并使用MATALB导航框自己使用参数。

浙江大学计算机辅助设计与图形学国家重点实验室副教授 章国锋，在QCon上做了主题为《复杂环境下的视觉同时定位与地图构建》的演讲，就SLAM应用介绍，常用框架等进行了深入的分享。