概述
说到激光雷达和视觉SLAM系统，必不可少的工作是两者之间的外参标定。
多传感器校准
Camera&IMU: Kalibr[1]是一个工具箱，解决了以下几种传感器的校准：
-
- 多摄像机校准。
- 视觉惯性校准(Camera IMU)。
- 卷帘快门式摄像机校准。
Vins融合了视觉与IMU,具有在线空间校准和在线时间校准的功能。
MSCKF-VIO具有摄像机和IMU的校准功能。
mc-VINS[2]可以校准所有多个摄像机和IMU之间的外部参数和时间偏移。
IMU-TK[3][4]还可以对IMU的内部参数进行校准。
论文[5]提出了一种用于单目VIO的端到端网络，融合了来自摄像机和IMU的数据。
单目与深度相机校准
BAD SLAM[6]提出了一个使用同步全局快门RGB和深度相机的校准。
相机和相机：mcptam[7]是一个使用多摄像机的SLAM系统。它还可以校准内、外参数。MultiCol SLAM[8]是一个multifisheye相机SLAM。此外，最新版本的SVO还可以支持多个摄像头。
Lidar& IMU: LIO-mapping [9]引入了一种紧
最后
以上就是如意犀牛为你收集整理的imu 里程计融合_SLAM综述：激光与视觉融合SLAM的全部内容，希望文章能够帮你解决imu 里程计融合_SLAM综述：激光与视觉融合SLAM所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
![[论文阅读]Road Mapping and Localization using Sparse Semantic Visual Features速读以下是精读部分](/uploads/reation/bcimg2.png)
发表评论 取消回复