毫無疑問，sensor是用來感知真實物理世界的，因此sensor所編碼輸出的資料（歸根到底都是一串無聊的二進位製碼）所反映物理世界的完備度、精準度、魯棒度，是一些重要的指標。
lidar輸出3d離散點雲，輻射資訊多數不靠譜。說是3d，但其實更像2.5d，因為現實物理世界是乙個3d實體空間，而lidar的點雲只是一層有深度差異的表面su***ce模型，su***ce背後的資訊它並無法穿透去感知，因此嚴格講是2.5d。輻射資訊不太可靠，多光譜雷射雷達尚處於實驗室階段。
visual camera 輸出2d影象資訊，由於解析度比較高可以認為是連續性的，根據輻射值分為灰度影象和rgb影象。
2）精確度方面：幾何上前者比後者多了深度資訊，更精確；後者有輻射資訊；
3）魯棒度方面：點雲在角點處雜訊更大；影像在不同光照條件下輻射值會變化。
slam中用到的pose估計發生在三個地方： 相鄰單幀匹配；關鍵幀（區域性子圖\視窗圖）匹配；全域性閉環檢測匹配。
相鄰單幀匹配，點雲魯棒性更高，精度在不同環境中各有千秋；
關鍵幀（區域性子圖\視窗圖）匹配，但由於點雲資料的離散型，選取關鍵幀時距離不能太大，運動距離大時相鄰兩幀點雲的取樣密度差異比較大；此時影像更能適應較長的視窗。
全域性閉環檢測匹配，很難說。
視覺slam 精簡入門（中）
代表演算法有kinectfusion kintinuous voxel hashing dynamicfusion vslam 的代表演算法有 orb slam svo dso 代表演算法有 ekf msckf preintegration okvis 等 效能上大致可以認為 sift surf o...
SLAM中座標轉換解法
本篇的轉換方式是參考高翔老師在視覺slam十四講中的程式進行解讀，目的是編寫乙個標頭檔案和原始檔，實現相機座標 世界座標以及畫素座標之間任意兩項的相互轉化。首先是原始檔 include myslam camera.h namespace myslam vector3d camera world2ca...
SLAM中的退化問題
小結 總結參考 最近在研究定位的退化方向的判斷和處理，看了幾篇關於slam退化問題中的 並做個小結。定位的退化主要是因為約束的減少，比如ndt需要三個正交方向的約束才能很好的匹配，但若在狹長的走廊上或者隧道環境，條件單一，即使人肉眼 雷射雷達資料，也很難判斷機械人所處的位置。1 on degener...