近几年主流的slam技术有哪些
时间: 2023-09-23 17:12:14 浏览: 33
近年来,SLAM技术得到了广泛的关注和应用,其主流技术包括:
1. 视觉SLAM:基于单目、双目、RGB-D和多相机等传感器数据,通过视觉特征匹配和三维重建来实现SLAM。
2. 激光SLAM:基于激光雷达数据,通过建立地图和定位来实现SLAM。
3. 情境感知SLAM:结合其他感知模块(如语音识别、目标检测和语义分割等),实现对场景中物体和环境的理解和认知。
4. 语义SLAM:基于语义信息,实现对场景中物体和环境的语义理解和建模。
5. 基于深度学习的SLAM:利用深度学习技术,实现对传感器数据的自动特征提取和建图。
以上是目前主流的SLAM技术,不同技术适用于不同的场景和应用需求。
相关问题
近三年内,激光slam有哪些新的框架提出
近三年内,激光SLAM领域出现了许多新的框架,例如:LIO-SAM、LIO-Mapping、LeGO-LOAM、Laser-SLAM、Laser-SLAM2、Laser-SLAM3等等。这些框架都在不同程度上提高了激光SLAM的精度和效率。
基于RGBD的slam框架有哪些
常见的基于RGBD的SLAM框架包括:
1. ORB-SLAM2:基于特征点的SLAM框架,使用ORB特征点和深度信息进行视觉里程计和地图构建。
2. ElasticFusion:一种实时的RGB-D SLAM系统,使用稠密地图表示场景,并采用弹性变形优化算法来处理环路闭合。
3. DSO:一种基于直接法的RGB-D SLAM系统,使用光流约束来优化位姿估计和地图构建。
4. LDSO:基于深度学习的RGB-D SLAM系统,使用卷积神经网络来估计相机位姿和深度信息,并使用稀疏地图来表示场景。
5. VINS-Mono:一种基于多传感器融合的SLAM框架,使用IMU和单目相机来进行视觉惯性里程计和地图构建。
6. ROVIO:一种基于视觉惯性里程计的RGB-D SLAM系统,使用IMU和单目相机来估计相机位姿和深度信息,并使用稀疏地图表示场景。