vSLAM的人有福了，寻找当下最新的研究方向

vSLAM 当下的研究方向：

1）旋转激光大型场景三位创建
2）基于RGBDSLAM算法创建的实验室环境
3）Kinect和LRF传感器结合栅格地图创建

1）VSLAM (Visual Simultaneous Localization and Mapping)视觉同步定位和建图
应用场景：家庭服务，AR/VR,医疗，救灾，自动驾驶

1）定位
2）建图

1）相机去一组数据，再取一组数据，做数据关联位姿，速度估计，位姿矫正，继续采集数据，闭环优化地图和位姿，闭环优化：检测是否到达曾经来过的位置。

2）因子图（factor graph）的建立和优化
x是机器人的位姿，是地图的特征点，K是相机内参，u表示里程计约束，v是相机观测，c是闭环检测，p先验信息


2003： 基于EKF(扩展卡尔曼滤波器)的视觉SLAM系统 Mono-SLAM
2007: PTAM使用关键帧和多线程技术使用在SLAM上，增强鲁棒性
2014: 基于单目相机的直接法，视觉SLAM,并且适用于大场景
2015: ORB-SLAM,在PTAM的基础上改进，系统统一使用ORB特性，是完备的SLAM系统
2016：DSO,SVO,VINS-Mono,CNN-SLAM等等

1）持续性问题：马路上的清扫机器人，麦田的农业机器人
2）动态复杂变换环境

1）数据关联
1。短期数据关联的处理：子匹配，光流法
2。长期数据关联：难！！！BOW。
SeqSLAM，将不同的视觉表征融入一个表示，基于视觉的地点识别技术

剔除，动态建模


数据膨胀的处理

因子图的节点悉数方法：节点关联法（函数链接）






几何地图和语义地图的结合





三种相机

深度学习的应用：轨迹恢复，深度恢复，sfmlearning