傳統slam的任務基本可以分為兩類：定位與建圖。
定位任務重在計算相機位姿，得到的是稀疏的點雲結果，目前比較好的有orbslam和。
建圖任務重在建出完整的模型，目前比較好的就是這個2023年的bundlefusion。
概述主要演算法(1)——位姿求解
主要演算法(2)——模型重建
原作者近年其他相關工作(1)——大型室內3d資料集：matterport3d
原作者近年其他相關工作(2)——基於深度學習的模型補全：sgnn
原作者近年其他相關工作(3)——對簡易的3d scan進行模型重建：tsdf-fusion
bundlefusion(win)使用&踩坑記錄
bundlefusion(ubuntu)使用&踩坑記錄
輸入：rgbd資料（最好用連續幀）
輸出：mesh模型
優點：重建模型精細度高、穩定的位姿計算、達到同步更新的計算速度、支援斷點續建
缺點：因為具有斷點續建的穩定性，所以很吃記憶體，大場景下對硬體要求較高。
適合場景：室內小場景
bundlefusion官網中給出了一些示例資料集，質量不錯（記得翻牆）
bundlefusion的官方github**是基於win vs的，不過也有自由開發者實現了在linux中的版本，使用的踩坑見後續筆記。
這裡再做一張技術路線的或者上次的那個**。
本系列也會提到一些相關的**或者演算法，對bundlefusion領域的pipeline進行補充。
基於平面結構的模型麵片簡化——plane-rgbd-opt學習筆記
傳統方法中模型簡化與補全演算法之王——poissonreconstruction泊松重建學習筆記
C Primer Chapter One學習筆記
筆記 1.流 從io裝置上讀入或寫出的字串行，用來說明字元隨時間順序生成或消耗。2.輸入輸出符可連用原因 operator 或operator 返回stream物件。3.要測試程式那個語句出錯，使用cout 4.新建乙個內建型別，如int i 0 最好先初始化，不然用到的時候沒初始化會產生奇怪的錯誤...
BroadcastReceiver學習筆記
需要注意 的是,不要在 onreceive 方法中新增過多的邏輯或者進行任何的耗時操作,因為在廣播接收 器中是不允許開啟執行緒的,當 onreceive 方法執行了較長時間而沒有結束時,程式就會報錯。有序broadcast，sendorderedbroadcast intent,null abort...
CDISC SDTM SE domain 學習筆記
整理翻譯自 sdtm ig 3.2 www.cdisc.org sdtm se subject elements 鞏固每個subject的epochs和elements的起止時間點.se對於有多個 時期的試驗有著重要的用處 如crossover試驗 se包含乙個subject從乙個element進入...