特性阻塞性阻塞(Blocking)非阻塞主控权接管主线程，进入死循环执行完立即交还控制权放置位置通常在main函数的末尾通常在循环内部适用场景纯订阅者 (Listener)发布者+订阅者，或需要周期性运行任务的节点配合组件不需要ros::Rate强烈建议配合ros::Rate使用以控制CPU占用如果你写的是一个简单的监听器（只听不说），用。如果你写的是一个控制器（边听传感器，边算控制量，边发指令）

论文中引入边界信息结构(frontier information structure, FIS)，它包含了勘探规划所需的整个空间的基本信息。增量更新。在FIS的支持下，分层规划器分三步规划探索运动。找到有效的全局覆盖路径细化局部视点集，按顺序生成最短时间轨迹。许多现有的规划器planner以贪婪的方式规划探索运动，例如最大化即时信息增益，或导航到最近的未知区域。贪婪策略忽略全局最优性；保守运动；低

《视觉SLAM十四讲》笔记摘抄_y☆j抄了j-CSDN博客

视觉同时定位与地图构建（vSLAM）在计算机视觉和机器人领域取得了显著进展，并成功应用于自主机器人导航、增强现实（AR）/虚拟现实（VR）等多个领域。然而，vSLAM在动态复杂环境中难以实现高精度定位。近年来，大量研究表明，将语义信息与vSLAM相结合的语义vSLAM系统能够有效解决上述问题。尽管如此，目前尚无关于语义vSLAM的全面综述。为填补这一空白，本文首先回顾了语义vSLAM的发展历程，重

总结一下：HPP 是一次成功的尝试，它证明了在自动驾驶中，不要把“预测”和“规划”分开做，也不要只用一种预测方式。这篇论文的核心痛点是：以前的自动驾驶系统要么只看“具体的车怎么走”（运动预测），要么只看“哪里有空地”（占用网格预测），两者很难统一，导致规划时容易出问题。现有的集成管道通常将规划模块与单一的预测方法耦合：要么是针对特定智能体的运动轨迹（IPP），要么是场景级的占用概率（IOP）。HP