AIRX全新技术专栏 -- [SLAM]

整理了AIRX团队平时学习SLAM的一些开源工程、书籍、论文项目等。

1、Cartographer

Cartographer是一个系统，可跨多个平台和传感器配置以2D和3D形式提供实时同时定位和制图（SLAM）。

https://github.com/cartographer-project/cartographer

2、Openvslam

一个通用的视觉SLAM框架。OpenVSLAM是单眼，立体声和RGBD视觉SLAM系统。值得注意的功能是：

它与各种类型的相机型号兼容，并且可以轻松地针对其他相机型号进行定制。

可以存储和加载创建的地图，然后OpenVSLAM可以基于预构建的地图本地化新图像。

该系统是完全模块化的。它是通过使用易于理解的API将几个功能封装在单独的组件中而设计的。

OpenVSLAM基于具有稀疏功能的间接SLAM算法，例如ORB-SLAM，ProSLAM和UcoSLAM。OpenVSLAM值得注意的功能之一是该系统可以处理各种类型的摄像机模型，例如透视，鱼眼和等角矩形。如果需要，用户可以轻松实现额外的相机模型（例如双鱼眼，折反射）。例如，上面显示了使用等矩形相机模型（例如RICOH THETA系列，insta360系列等）的可视SLAM算法。

https://github.com/xdspacelab/openvslam

3、Mvision

机器人视觉 移动机器人 VS-SLAM ORB-SLAM2 深度学习目标检测 yolov3 行为检测 opencv PCL 机器学习 无人驾驶

https://github.com/Ewenwan/MVision

4、Recent_slam_research

Track Advancement of SLAM 跟踪SLAM前沿动态【2020 version】

https://github.com/YiChenCityU/Recent_SLAM_Research

5、G2o

g2o是用于优化基于图形的非线性误差函数的开源C ++框架。g2o被设计为易于扩展到各种各样的问题，通常可以在几行代码中指定一个新问题。当前的实现为SLAM和BA的多个变体提供了解决方案。

机器人技术和计算机视觉中的许多问题都涉及最小化可以表示为图形的非线性误差函数。典型实例是同时定位和映射（SLAM）或捆绑包调整（BA）。这些问题的总体目标是找到能最大程度解释受高斯噪声影响的一组测量值的参数或状态变量的配置。g2o是用于解决此类非线性最小二乘问题的开源C ++框架。g2o被设计为易于扩展到各种各样的问题，通常可以在几行代码中指定一个新问题。当前的实现为SLAM和BA的多个变体提供了解决方案。对于特定的问题，g2o的性能可与最新方法的实现相媲美。

https://github.com/RainerKuemmerle/g2o

6、Awesome Visual Slam

基于视觉的SLAM /视觉Odometry的开源项目，博客和论文列表

https://github.com/tzutalin/awesome-visual-slam

7、Maplab

一个开放的视觉-惯性映射框架。这是一个用C ++编写的开放式，面向研究的视觉惯性映射框架，用于创建，处理和操纵多会话地图。一方面，可以将maplab视为现成的视觉惯性制图和定位系统。另一方面，maplab为研究社区提供了多会话映射工具的集合，这些工具包括地图合并，视觉惯性批处理优化和循环闭合。此外，它还包括一个在线前端ROVIOLI，它可以创建视觉惯性图，还可以跟踪本地化图中的无漂移姿态。