后端轨迹优化（后端轨迹优化怎么做）

原标题：后端轨迹优化（后端轨迹优化怎么做）

导读：

VSLAM小科普1、VSLAM（Visual Simultaneous Localization And Mapping），即基于视觉的同步定位与地图构建，是SLAM（Sim...

VSLAM小科普

1、Vslam（Visual SIMultaneous Localization And Mapping），即基于视觉的同步定位与地图构建，是SLAM（Simultaneous Localization And MapPING）技术的一个重要分支。

2、技术升级与量产激光导航与视觉导航：三星和LG分别在2010年和2011年发布基于视觉导航（vSLAM）技术的全局规划式产品。科沃斯在2013年的地宝9系依靠激光导航（LDS SLAM）实现全局规划。Dyson在2014年发布基于视觉导航（vSLAM）技术的Dyson 360 Eye。iRobot在2015年推出基于视觉导航（vSLAM）技术的Roomba 980。

深度科普:盘点机器人常用的几大主流SLAM算法

1、深度科普：盘点机器人常用的几大主流SLAM算法 SLAM（即时定位和地图构建）是机器人领域的关键技术，它使机器人能够在未知环境中同时实现自身定位和环境地图构建。本文将对机器人常用的几大主流SLAM算法进行盘点。

2、机器人常用的几大主流SLAM算法主要包括二维激光SLAM、三维激光SLAM和视觉SLAM。以下是这些算法的详细介绍：二维激光SLAM Cartographer：由谷歌开发，采用图论形式表示地图，通过分支定界法加速求解，适用于二维平面上的机器人定位和地图构建。

3、SLAM根据不同的传感器类型和应用需求建立不同的地图。常见的有2D栅格地图、2D拓扑地图和3D点云地图等。2D栅格地图和2D拓扑地图主要用于扫地机器人等简单应用场景，而3D点云地图则用于真实场景的视觉重建。应用与展望目前，VSLAM技术已经受到越来越多人的关注，尤其在扫地机器人领域。

4、Atlas结构：使用Atlas结构表示断开地图，实现了位置识别、相机重定位等操作时的无缝拼合，提升了系统的灵活性和鲁棒性。灵活的相机支持：抽象的相机表示允许系统灵活支持不同相机模型，只需提供投影、非投影和雅可比函数，扩展了系统的应用范围。

5、硬件层面集成具身硬件模块，包含高精度传感器阵列（如激光雷达、深度摄像头）、多自由度机械臂及移动底盘，支持复杂场景下的物理交互与空间定位。

6、人形机器人：浙江人形机器人创新中心由熊老师创立，聚焦人形机器人与LLM（大语言模型）结合，团队骨干多为课题组学生，提供机器人控制算法、感知算法等岗位。四足/双足机器人：云深处科技（朱老师团队）以“绝影”系列四足机器人闻名，产品应用于巡检、救援等领域，近年拓展双足机器人技术。

《十四讲》知识点整理+公式推导

1、第十讲：地图表示知识点整理：地图表示用于存储和展示SLAM构建的环境模型，常用的地图表示方法包括稀疏地图、稠密地图、拓扑地图等。稀疏地图主要存储特征点的位置信息，稠密地图则存储环境中每个点的位置信息。

2、重读《视觉SLAM十四讲》第四章李群与李代数的内容总结如下：李群与李代数的基本概念：李群：旋转矩阵与变换矩阵构成的集合，对乘法封闭，具有连续性质。李代数：在旋转矩阵的正交矩阵性质和Taylor展开的基础上引入，由集合V、数域F和李括号组成，满足封闭性、双线性、自反性、雅克比等价等性质。

3、当我们需要求解空间点关于位姿Tcw的导数时，视觉SLAM部分的导数保持不变，而激光SLAM部分的导数则转变为特定形式。这一过程涉及到左扰动和右扰动两种解法。在进行推导之前，先列出一些常用的结论以供后续使用。

4、如学习物理公式时，需理解公式推导过程而非机械记忆。可通过费曼技巧（假装教授他人）检验理解程度，若无法清晰解释，则需回归基础概念。拓展：建立知识间的横向（跨学科）、纵向（深度）、广度（多领域）联系。例如学习历史事件时，可关联同时期的科技发展、文学创作，甚至地理气候影响。

白话SVO2.0

本文将通过白话的形式，详细讲解SVO0的核心技术和实现细节，旨在帮助读者更好地理解和应用这一算法。SVO0概述 SVO0，全称Semi-Direct Visual Odometry 0，是在SVO0基础上的进一步优化和扩展。

**初始化部分**：首先介绍StereoInit初始化方式及其核心算法。在双目模式下，计算初始化主要通过pro cessFirstFrame（）函数，具体实现于compute（）函数中。 **极线搜索匹配算法流程**：接下来重点解析findEpIPOlarMatchDirect（）极线搜索匹配算法。