基于激光雷达的slam和基于视觉的slam有什么优势

激光雷达：

1．解析度高，测距精度高

2．抗有源干扰能力强

3．探测性能好

4．不受光线影响

5．测速范围大

视觉（主要是摄像头）：

成本低廉，用摄像头做算法开发的人员也比较多，技术相对比较成熟。摄像头的劣势，第一，获取准确三维信息非常难（单目摄像头几乎不可能，也有人提出双目或三目摄像头去做）；另一个缺点是受环境光限制比较大。

图像视觉算法(深度学习)和SLAM算法哪个更有前景啊？

这几个区别还是很大的,虽然从单词组成上看差不多

第一个 强调快

snap [sn?p] vt.突然折断,拉断；猛咬；啪地关上

vi.咬；厉声说；咯嗒一声关上

n.猛咬；劈啪声；突然折断

adj.突然的

照相机快照就是这个词,当名词用.例如Here is some of our holiday snap.

这些是我们的上些假日快照

第二个 强调力度

slam [sl?m] vt.砰地关上；猛力抨击

vi.砰地关上；猛力抨击

n.猛击；砰然声

咱们平时打球扣篮就是 slam dunk

第三个 强调打击,用抽象的比较多

slap [sl?p]

n.掴,侮辱,拍击声

v.拍击,侮辱,申斥

ad.正面地,直接地,突然地

生活中扇耳光就用这个词

vSALM(Visual SLAM)能够在跟踪摄像机(用于AR的手持或者头盔，或者装备在机器人上)位置和方位的同时构建三维地图. SLAM算法与ConvNets和深度学习是互补的。SLAM关注几何问题，而深度学习主要关注识别问题。如果你想让机器人走到冰箱面前而不撞到墙，就用SLAM。如果你想让机器人识别冰箱里的物品，就用ConvNets。http://openmvg.readthedocs.io/en/latest/

SLAM相当于实时版本的SFM(Structure From Motion)。vSLAM使用摄像机，放弃了昂贵的激光传感器和惯性传感器(IMU)。单目SLAM使用单个相机，而非单目SLAM通常使用预先标定好的固定基线的立体摄像机。SLAM是基于几何方法的计算机视觉的一个主要的例子。事实上，CMU(卡内基梅陇大学)的机器人研究机构划分了两个课程：基于学习方法的视觉和基于几何方法的视觉。

SFM vs vSLAM

SFM和SLAM解决的是相似的问题，但SFM是以传统的离线的方式来实现的。SLAM慢慢地朝着低功耗，实时和单个RGB相机模式发展。下面是一些流行的开源SFM软件库。

Bundler: 一个开源SFM工具箱，http://www.cs.cornell.edu/~snavely/bundler/

Libceres: 一个非线性最小二乘法库(对bundle adjustment问题非常有用)，http://ceres-solver.org/

Andrew Zisserman's多视图几何Matlab函数库，http://www.robots.ox.ac.uk/~vgg/hzbook/code/

vSLAM vs 自动驾驶

自动驾驶汽车是SLAM最重要的一个应用领域。未来很多年里，在自动驾驶领域将持续地研究SLAM。

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com