RAL这个期刊质量是很高的，最近看到了一篇RAL新收录的多传感器融合方向的论文，论文效果不错，因此做一个阅读笔记。

ORB这个组是真的有毅力，看了它的视频, 户外场景4分钟，几百米，闭环漂移基本看不见，提升是非常明显的。

上一篇写了ORB1的论文阅读分析，今天就继续写ORB2，众所周知，ORB2是ORB1的改进版，最大的特点就是单目变成了双目

​ 虽然做的一直是传感器融合这方面的工作，但是对于视觉SLAM的理解确实有欠缺，因为入门直接是从loam开始然后VLOAM，对于视觉SLAM的理解一直停留在特征法和直接法的框架层面，具体的细节没有深究过，正好最近有时间，回顾下ORB三件套。本篇分析的是ORB的开山之作。

虽然跑SLAM用不到什么计算资源，但是既然实验室有服务器，为什么不使用呢(毕竟自己写的代码太差劲了，时间复杂度和空间复杂度都没优化orz)，今天就简单的讲讲如何用自己的小霸王连接实验室的服务器(主要针对ubuntu客户端连接服务器)

JFR这个期刊可以说是SLAM领域的顶刊了，并且他这个期刊里的论文大多数都偏向于应用领域的效果，这周我刷到了一篇JFR关于地下采矿车结合多传感器进行定位的论文，论文实验结果很好，做一个记录。

传感器融合是SLAM中比较热门的方向，传统的融合方式是基于优化滤波或者激光辅助视觉获取深度，视觉辅助激光初始化或者频率之类的。但是随着深度学习的大热，很多人也将深度学习应用到SLAM中，最典型的应用就是端到端直接输出位姿或者输入图像+激光输出单目深度图之类的。

目前刚入门SLAM一年多（主要做的基于优化/滤波的激光视觉融合），对于基于深度学习的融合认识尚未到位，正好今天...

«««< HEAD

layout: post title: “ceres中关于位姿参数过参数化加法定义的问题” date: 2021-01-18 tags: [ceres,quaternion,lie algebra and lie group] comments: true author: xuwuzhou —

Cer...