本文为我在浙江省北大信研院-智能计算中心-情感智能机器人实验室-科技委员会所做的一个分享汇报，现在我把它搬运到博客中。由于参与分享汇报的同事有许多是做其他方向的机器人工程师（包括硬件、控制等各方面并不是专门做SLAM的工程师），加上汇报的内容较多，因此在分享中我尽量使用简介的口语，而不出现复杂的公式。所以本文面向的是3D-slam方向的初学者，不涉及到源码解析。内容在整理中参考了许多链接，将放在最后。在文章结束后，我会把原PPT放在最后面，需要者自取。另外打个广告，在slam方向或者强化学习导航方向有实习意愿的，请发送简历至zkyy828@163.com，谢谢。内容比较多，放一个目录，感兴趣的
本文经自动驾驶之心公众号授权转载，转载请联系出处。突然发现了一篇19年的论文GSLAM：AGeneralSLAMFrameworkandBenchmark开源代码：https://github.com/zdzhaoyong/GSLAM直接上全文，感受这项工作的质量吧~1摘要SLAM技术最近取得了许多成功，并吸引了高科技公司的关注。然而，如何同一现有或新兴算法的界面，一级有效地进行关于速度、稳健性和可移植性的基准测试仍然是问题。本文，提出了一个名为GSLAM的新型SLAM平台，它不仅提供评估功能，还为研究人员提供了快速开发自己的SLAM系统的有用工具。GSLAM的核心贡献是一个通用的。跨平台的、
视觉SLAM实验要在Ubuntu20.04系统上使用ROS跑ORB-SLAM3，熟悉一下特征点法的SLAM，把安装过程总结记录下来。文章目录一、配置版本信息二、替换镜像源三、安装ROS环境1、ROS简介2、小鱼安装四、环境配置1、安装库（1）安装git，g++（2）安装cv_bridge库（3）安装Opencv①安装依赖项②下载Opencv源文件③安装OpenCV④查看版本号（4）安装EIGEN库（5）安装Pangolin库①下载Pangolin0.6②安装依赖项③编译安装④验证（6）安装Boost库2、ORB-SLAM3编译（1）下载ORB-SLAM3（2）修改源文件（3）安装python2
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档基于安卓手机的ORB-SLAM3的调试运行前言安卓手机集成了惯性与视觉信息，作为一个轻量化的平台能够作为ORB-SLAM3的载体进行运行，作为一个slam的初学者，本文仅作为一个学习过程中遇到的各种问题以及相应的处理经验记录，如果有更好的方法也欢迎进行交流。一、手机与PC的链接本人参考博文https://blog.csdn.net/h_372101/article/details/108235178中提供的第二个软件APP实现电脑与手机之间的连接。首先输入roscore启动ros，将手机与电脑处于同一个网络之下，利用命令ifcon
一.前记此篇为博采众家博客之长，沥血整理之集大成者本人大一学生，参加了SLAM相关的年度项目，第一步便是需要实践ORB-SLAM，在电脑上运行程序并完成可视化与实时化。预实验是跑现成的数据集，正式实验是使用实时摄像头。如图~在此过程中，我也是翻遍全网找各种教程找各种资料，但遗憾的是没有找到一篇能带着本蒟蒻完成此小目标的教程。网上教程大都是省略了一些步骤（因为大佬们默认读者都会），导致本小白往往按步骤操作下来，最终结果总是failed。经历了痛苦的寻寻觅觅，通过恶补相关实践知识，尤其是将各种教程东拼西凑，参悟理解，本小白终于——终于成功了！如果你有相似的目标，如果你啥也不懂，不妨按照我这个流程走
首先给出数据集下载地址：TUMDatasetDownload。如果你是第一次做实验，建议下载xyz的数据集，因为它的动作相对很小，只包含桌面上的一小部分。一旦成功测试，就可以试试desk数据集，它包含四张桌子和几个闭环。数据集目录一、文件格式1、彩色图像和深度图2、真实轨迹3、Kinect相机的内参标定二、固有的相机参数1、彩色摄像机的标定2、深度图像的标定3、红外摄像头的标定4、视觉检验的视频三、RGB-D基准测试的有用工具1、关联颜色和深度图像2、评估2.1、绝对轨迹误差（ATE）2.2、相对姿势误差（RPE）3、从图像生成点云4、将点云添加到ROS包文件5、在RVIZ中可视化数据集四、详
FAST_LIO_SAMFront_end:fastlio2Back_end:lio_samVideos:FAST-LIO-SAMBilibili_linkSourcecode:FAST_LIO_SAMRelatedworked1.FAST-LIO2为紧耦合的lioslam系统，因其缺乏前端，所以缺少全局一致性，参考lio_sam的后端部分，接入GTSAM进行后端优化。2.FAST_LIO_SLAM的作者kim在FAST-LIO2的基础上，添加SC-PGO模块，通过加入ScanContext全局描述子，进行回环修正,SC-PGO模块与FAST-LIO2解耦，非常方便，很优秀的工作。3.FAST
项目场景：ZED2相机配置使用ORB-SLAM3ZED2相机配置使用ORB-SLAM3，出现关于opencv的报错问题描述CMakeErroratCMakeLists.txt:37(message):OpenCV>2.4.3notfound.原因分析：由于我的opencv是4版本的，而Cmakelist里面第33行找的是find_package(OpenCV3.0QUIET)也就是3版本的，所以找不到，因此而报错解决方案：将find_package(OpenCV3.0QUIET)改为find_package(OpenCV4.0QUIET)即可
机器人开发--SLAM介绍1介绍1.1概述1.2发展历程三个时代重要时间节点视觉SLAM分类及里程碑技术发展1.3SLAM与各模块关系1.5SLAM分类1.4应用领域2SLAM框架视觉/惯性SLAM系统框架结构经典框架3常见方案3.1常见激光雷达方案3.2常见视觉方案3.3多传感器融合方案4地图类型各类地图优缺点视觉SLAM构建地图类型5各传感器优缺点6应用参考1介绍1.1概述SLAM(SimultaneousLocalizationandMapping),也称为CML(ConcurrentMappingandLocalization),即时定位与地图构建，或并发建图与定位。同步定位和建图(S
文章目录0引言1安装依赖1.1opencv安装1.2Eigen3安装1.3Pangolin安装1.4其他2编译安装ORB-SLAM22.1build.sh2.2build_ros.sh0引言ORB-SLAM2是一种用于单目、双目和RGB-D相机的视觉SLAM（同时定位与地图构建）系统。它由萨拉戈萨大学和伦敦帝国学院的研究人员开发，并于2016年首次发布。该系统基于ORB特征检测器和描述子，这是一种快速且具有鲁棒性的特征提取方法。ORB-SLAM2使用了多种技术，包括相机姿态估计、特征匹配、回环检测和地图优化等，以实现高精度的定位和地图构建。它还支持实时运行，并且可以在没有先验地图的情况下进行自
