SLAM按误差函数的形式可以分为两类:最小化光度误差;最小化重投影误差。最小化光度误差也称直接法,误差函数的形式是两个像素的灰度值相减;最小化重投影误差也称特征点法,误差函数的形式是像素的坐标值相减。
整理近几年国内外SLAM的方案,根据误差函数形式可分为三类:
- 直接法:LSD、DSO
- 特征点法:ORB_SLAM
- 半直接法:SVO、VIO、MSCKF、OKVIS、VINS、ROVIO
目前我也在学习阶段,已经学习了ORB_SLAM、LSD、SVO、DSO几种方案。
附上我在学习阶段比较好的一些博客。
对ORB_SLAM的学习主要是看论文及源代码,因此参考的博客相对较少。
LSD
LSD的重点在于深度图的计算以及深度图传播。
DSO
DSO提出了滑动窗口优化,并且把相机内参等于相机位姿联合进行优化。
SVO
SVO提出了深度的概率分布式高斯+均匀分布。
评价每个方案的优缺点主要在:精度、效率、追踪鲁棒性、重定位、场景拓展等方面来考核。
可参考刘浩敏的视频讲解。
(以上是我学习过程中的一点小总结和体会,如有错误请大佬多多指出)
评论(0)
您还未登录,请登录后发表或查看评论