RGB图像窗口：绿色小方块是图像中提取到的ORB特征。地图窗口：绿线代表相机的运动轨迹；蓝色方框代表相机运动过程中的空间位置（也就是关键帧），黑点和红点代表环境的稀疏地图（黑色代表历史路标，红色代表当前路标）原文地址『：https://www.imooc.com/article/details/id/29136...

地址： https://github.com/Ewenwan/ORB_SLAM2_SSD_Semantic使用国内镜像的github网站： https://hub.fastgit.org/Ewenwan/ORB_SLAM2_SSD_Semantic

1. 文章类型/时间/作者/所属单位_项目支持：期刊/Albert Pumarola1 Alexander V akhitov2 Antonio Agudo/2017/EU_Project欧盟项目；2. 主要工作：（1）PL-SLAM流程图，ORB-SLAM[18]流程图的延伸。该系统由三个主要线程组成：跟踪、局部映射和循环关闭。跟踪线程估计摄影机位置并决定何时添加新关键帧。然后，局部映射将新的关

1. 文章类型/时间/作者/所属单位：期刊/2015.04/周慧忠、邹丹平、裴凌、应仁东、刘培林/上海交通；2. 主要工作：（1）使用建筑结构线作为定位和映射的特征。与其他线要素不同，建筑结构线对全局方向信息进行编码，该信息随时间限制摄影机的航向，从而消除累积的方向误差并减少位置漂移。;（2）扩展了标准的扩展卡尔曼滤波视觉SLAM方法，采用一种新的参数化方法来表示主导方向上的结构线；（3）3. 解

1. 文章类型/时间/作者/所属单位： 期刊论文/2021.08/Feng Yang1· Yichao Cao2 · Weigong Zhang/东南大学；2. 主要工作：（1）.利用结构线方向与消失点方向的一致性来提取结构线;（2）.在优化模块中，将结构线的误差模型引入非线性优化框架，提出了一种新的优化策略；（3）3. 解决了什么问题：（1）;（2）；（3）4. 用了什么方法：（1）线特征参数化

基于单目视觉传感器的室内服务机器人高效SLAM方法1. 文章类型/时间/作者/所属单位：期刊论文/2019.01/T ae-jae Lee , Chul-hong Kim/韩国首尔大学；2. 主要工作：（1）;（2）；（3）3. 解决了什么问题：（1）;（2）；（3）4. 用了什么方法：（1）。（2）。；（3）5.创新点在哪：（1）；（2） 。6. 该文章的主要成就（最好使用数据论述）：（1）;（

搬运自github：https://github.t-dt.cn/raulmur/ORB_SLAM2/issues/999关于这个问题有一个大佬回复了：很难说。原因有很多。我注意到你是右转，这可以解释需要更多的关键帧，而你发现以前看不见的场景。，有一个关键帧剔除过程，将消除冗余（culling）的关键帧。可能有关键帧等着被删除。我看到了这种不恰当的行为。我的意思是非常糟糕的校准。如果你能在未扭曲图

作者：小葡萄链接：https://zhuanlan.zhihu.com/p/68858564来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。关于面试题目我的目标公司是做自动驾驶或者机器人的公司，每个公司的面试不太一样。一种是先让你讲项目，一般在讲的时候会随时问问题，之后再是考一下基础SLAM问题和算法等。另一种是不让自己讲项目，面试官根据你的简历去不断深入发问。下面把

参考文章：https://blog.sciencenet.cn/blog-465130-1086221.html要估计的状态变量，通过以上方法来消除非线性优化过程中的状态量的方法，也称为边缘化(marginalization)。比如中包含的旧的相机状态量可以边缘化(marginalized out)，这样中只保留最近关键帧的状态和地图点可以减少求解的计算量[3]。边缘化可以减小状态参数个数，而co

观摩了大佬们的汇报，心里暗戳戳的想着他们为啥还不开源代码阿。