Ray Joshua
Search results
如何从零基础入门SLAM？知乎上有多位专业人士和爱好者分享了他们的学习经验和资源推荐，帮助你快速掌握SLAM的基本概念和 ...
题主觉得SLAM太难了，其实我也有过同感，一次是在学校跑开源SLAM尝试阅读代码的时候，另一次是工作期间基于若干开源方案进行 二次开发 的时候。. 现在看来，第一次觉得难是理论功底不足+代码能力差，第二次是工程trick 理解不足+代码能力差 (不熟悉C++ 设计 ...
主要是自动化专业和计算机视觉专业的人～. 1）SLAM 基础理论. 一、数学方面. 建议阅读 Thrun 的《Probabilistic Robotics》，了解下概率学是如何解决机器人中的问题的。. 学习贝叶斯滤波以及贝叶斯公式在各个问题 (定位，SLAM) 中的应用。. 针对优化的话，建议学透 ...
只要是SLAM问题就要涉及optimization，就要用到各种least square算法。. 所以另一个基础理论是Sparse Matrix，这是大型稀疏矩阵处理的一般办法。. 可以参考Dr. Tim Davis的课件： Tim Davis ，他的主页里有全部的课程视频和Project。. 针对SLAM问题，最常用的least square算法是Sparse ...
二维SLAM常态机器人市场萎缩中 (如扫地，擦窗等)，过去一系列被"验证"过的服务类，如商用清结，建筑，送餐，酒店服务等，如果不认真打磨感控规三口至少1-2块的核心技术，将会在现金流枯竭后大量被淘汰。. 工业机械臂 等大成熟市场不讨论，叉车改造，AMR ...
专门的SLAM库的话不清楚有什么是python开源的，现在在C++上也没有什么成熟的库可以直接用吧，github上开源了的ORB-SLAM，SVO，DSO，LSD等也只是开源的一个架构，按我的理解也不能算是库。. 如果你是说可以用来实现SLAM的库的话，可以用. 依赖库： OpenCV（强烈建议 ...
SLAM的“初心”是仿人的思维，在陌生环境中的信息处理的一个机制。. 尽管现在距离落地还差很多，但是一旦有了成功的突破之后，相信会推动移动机器人领域的快速发展（会不会像深度学习一样带来的变化，不清楚）。. 现在的就业市场，相对要冷静很多了 ...
其实SLAM的研究热点不只是里程计这些算法，它里面所涉及的场景识别和数据耦合在当前大模型+机器人的时代背景下，变得越来越重要，甚至包括跟强化学习的高度耦合。. 虽然SLAM这个领域已经诞生了几十年，但是我始终感觉，SLAM的核心热点才刚刚开始。. 我在 ...
首先，SLAM被深度学习取代，这是不可能的，至少近几年是不可能的，深度学习自身就具有很多的黑箱子的特性，在我们完全了解这东西的机理之前，经典SLAM方法依旧是主流，至少经典SLAM方法的理论基础很可靠，每一个过程都有公式支撑，哪里出错都可以分析 ...
Oct 18, 2016 · 研究slam，对编程的要求有多高？ 我觉得还是挺高的，先从后端说起吧 g2o， gtsam，ceres知道是肯定需要知道的，三者其实学习曲线都挺难的，你觉得你会用了是一回事，然后用好是一回事，自己写vertex, edge, factor, cost function又是另外一回事，如果你会写g2o里面的solver应该又是一个级别了吧。
