开源slam,开源slam框架

摘要： 大家好，今天小编关注到一个比较有意思的话题，就是关于开源slam的问题，于是小编就整理了2个相关介绍开源slam的解答，让我们一起看看吧。刚开始读博，方向为基于机器视觉的slam，...

大家好，今天小编关注到一个比较有意思的话题，就是关于开源slam的问题，于是小编就整理了2个相关介绍开源slam的解答，让我们一起看看吧。

1. 刚开始读博，方向为基于机器视觉的slam，现在很迷茫不知道正确有效的科研方法是什么？
2. 小机器人的SLAM最佳方案是什么？

刚开始读博，方向为基于机器视觉的slam，现在很迷茫不知道正确有效的科研方法是什么？

有自信学msckf 没自信学okvis，视觉加imu是最容易融合的vslam，或者视觉再融合rgbd 或laser。总之单目没深度，没特征也会挂，看你imu能不能用好了。没事学学so3se3ceres，bundle adjustment，总之水很深。博士一定要挑一个方面深挖千万别指望什么都有建树，你要发iros icra 视觉好的话可以发 cvpr iccv eccv 机器学习好的话nips icml。没有这些毕业了也很水。书要看multiple view geometry in computer vison hartley写的。找大牛就翻会议proceeding然后找到组在看组里面的其他人在看这些人的文章信用次数等等。世界上也没几个牛的组没几天你就全找到了。

小机器人的SLAM最佳方案是什么？

没人回答，看来只能抛砖引玉了。

方案一：kinect加ros的第三方sdk，优点是参考案例多，开源社区讨论多，开发方便；

方案二：基于realseanse自己开发，优点是硬件性价比高，intel官方有技术支持，缺点是参考案例少，怕成了第一个吃螃蟹的人；

方案三：雷达扫描，优点是精度高，参考案例也不少，缺点是硬件成本贵。

来人讨论啊！

到此，以上就是小编对于开源slam的问题就介绍到这了，希望介绍关于开源slam的2点解答对大家有用。