携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第2天，点击查看活动详情
SLAM是定位模块的核心技术
- 高精度地图生成：从采集车数据重建三位高精地图，是一个完整的多传感器SLAM问题；
- 实时定位：将传感器数据与地图对比，是一个地图匹配和传感器融合问题；
基于视觉的定位建图算法（VSLAM）
涉及到点云建图算法，而由于仅聚焦于视觉因素，故不用考虑多传感器融合等难点。
定位建图算法
低速自动驾驶系统
低速车辆具有安全可控性、无人化、成本可控的优势。
低速车辆与机器人在技术上具备一定相通性
技术特点
- 以园区场景为主，兼顾室内；
- 场景丰富，遮挡多，建图挑战性更强；
开发前的自问自答
算法问题点分为输入、模型、输出三类需要确定：
-
摄像头数据的维度指的是什么？
我对摄像头及其数据的了解仅限于摄像头的硬件介绍。由于没看过数据，所以没有直观的认识。在组合搜索自动驾驶、数据集、摄像头、维度等几个关键词后出现的是摄像头的硬件数据。是指对摄像头位置维度的要求吗？还是RGB、深度等数据维度呢？
-
简单实现一个模型。。。我的设想是指找一个开源VSLAM算法模型进行运行学习，可以VSLAM的经典框架包括【传感器数据读取、前端、后端、回环检测、建图】五个部分，第一个是输入，最后的是输出，
-
需要先确定摄像头的类型才能确定传入图片数据的类型，只有传入确定传入数据的类型才能确定算法模型的细节
- 单目摄像头拍摄的图像是二维的，没有深度信息；
- 双目摄像头由两个单目摄像头组成，包含直接计算出物体深度值；
- RGB-D：普通的 RGB 三通道彩色图像 + Depth Map，RGB-D 相机获取空间点的 3D 信息更加直接，深度信息通过红外结构光或 TOF 原理测得，和激光雷达有些类似，被称为伪激光雷达。
