SLAM技术概览：从激光到视觉的同步定位与建图

"A Survey of Simultaneous Localization and Mapping(2).pdf" 《SLAM同步定位与建图综述》是一篇于2019年发表的论文，由Baichuan Huang、Jun Zhao和Jingbin Liu合作撰写，分别来自新加坡南洋理工大学和中国武汉大学。该论文对SLAM（Simultaneous Localization and Mapping）技术进行了全面的概述，包括激光SLAM、视觉SLAM以及它们的融合。SLAM是移动机器人学中的核心问题，旨在通过自我感知实现同时定位和地图构建。 激光SLAM部分，论文介绍了基础的传感器类型和产品，如各种类型的激光雷达（LiDAR），并概述了开源系统的发展历程，以及近年来深度学习在SLAM中的应用。此外，论文也指出了当前面临的挑战，如实时性、鲁棒性和精度，并展望了未来的发展方向。 视觉SLAM部分，作者讨论了视觉传感器的基本特性，如相机的种类，以及常见的开源视觉SLAM系统，例如ORB-SLAM、PTAM等。同样，深度学习在视觉SLAM中的作用也被详细阐述，包括特征提取、姿态估计和地图优化等方面。 为了增强定位的准确性，论文还补充了视觉惯性里程计（Visual Inertial Odometry, VIO）的内容，讨论了视觉与惯性传感器的结合，如何利用它们的优势互补，提高系统的稳定性和精度。 对于激光与视觉融合的SLAM，论文特别强调了多传感器校准的重要性，包括硬件层面的集成、数据融合以及任务层面上的协同工作。这些融合方法有助于提升系统的性能，尤其是在复杂环境和光照变化条件下。 论文最后，作者提出了SLAM领域的开放问题和前瞻性思考，比如长期一致性、稠密三维重建以及大规模环境下的高效SLAM等。这篇论文的贡献在于为新研究人员提供了高质量、全面的SLAM技术概述，使得学习和理解SLAM的过程变得更加清晰易懂，同时也可作为该领域研究者的参考手册。