閱讀了slam學習之旅專欄的一篇文章，邊看邊寫，裡面借鑑了很多文章裡的內容：文章名字叫做語義slam**閱讀精華提煉
1. **：object-centric photometric bundle adjustment with deep shape prior
通過深度學習網路（點與點之間的關聯通過深度學習網路輸出構成，在另一篇**裡有描述，是這篇**的基礎）生成了乙個形狀幾何輪廓，這個幾何輪廓通過偽渲染的方式（3d投影到2d）得到幾何的二維表示，形成可微方程（即這個不同幀的形狀變化關於相機位姿和幾何位置是可微的），因為引入這個先驗，優化不能用lm了，因為深度學習黑箱不能求雅可比，選擇sgd，lbfgs這一類方法。loss優化如下圖所示：
形狀先驗的影響：每張圖逆投影後只有形狀一部分是可見的，加入形狀先驗之後，可以更新3維物體所有點。
**2. long-term visual localization using semantically segmented images
採用松耦合的方式，過程模型通過里程計得到速度和角速度，測量模型比較了sift（針孔相機投影模型）和語義方法，然後通過粒子濾波進行後驗概率估計得到結果。重點就是語義測量模型的構成以及地圖的儲存。
測量模型根據地圖在影象上的投影的分割類別來描述；
語義SLAM的資料關聯和語義定位（一）
語義slam和多感測器融合是自動駕駛建圖和定位部分比較熱門的兩種技術。語義slam中，語義資訊的資料關聯相較於特徵點的資料關聯有所不同。我們一般用特徵描述子的相似性來匹配和關聯不同影象中的特徵點。特徵點的描述子會受到光照 視角和感測器的影響，不太適用於大尺度長週期的任務，比如自動駕駛的高精度地圖。得...
語義SLAM（二）cuda8 0安裝
注 如果你確定你已經正確安裝好nvidia顯示卡驅動，那就不必按ctrl alt f1進入命令列模式，直接在圖形化介面安裝即可，親測可行。cd home sudo chmod 777 cuda 8.0.61 375.26 linux.run 給使用者增加讀寫和執行的許可權 sudo cuda 8.0...
SLAM學習報告
一 概述 也稱為即時定位與地圖構建，或併發建圖與定位。問題可以描述為 將乙個機械人放入未知環境中的未知位置，是否有辦法讓機械人一邊逐步描繪出此環境完全的地圖，所謂完全的地圖 a consistent map 是指不受障礙行進到房間可進入的每個角落。slam 技術距今已有 30 餘年的發展歷史，但相比...