开源项目概览
前言
随着 SLAM 技术在市场中的应用越来越广泛,越来越多的学者投身于 SLAM 的研究中。国内外的诸多大学相关实验室发布了许多研究成果,其中不少成果进行开源,并发布了许多相关的数据集用于算法的验证。在此,借用网络上大神 1 2 3 对各大学实验室的介绍引出研究成果进行归类。后续的篇幅主要是针对目前主要流行的的开源项目进行梳理。个人能力有限,如果哪些讲解和推导有问题劳请大神指出。
- 香港科技大学的 Aerial Robotics Group
- VINS-Mono :一种鲁棒且通用的实时单目视觉惯性状态估计框架
- VINS-Fusion:一种基于优化的多传感器状态框架,可实现自主应用(无人机,汽车和 AR / VR)的精确自定位。VINS-Fusion 是 VINS-Mono 的扩展,支持多种视觉惯性传感器类型(单声道摄像机 + IMU,立体摄像机 + IMU,甚至仅限立体声摄像机
- 浙江大学CAD&CG国家重点实验室的CVG(Computer Vision Group)
- RKSLAM:用于AR的基于关键帧的鲁棒单目SLAM系统
- LS-ACTS:大型自动相机跟踪系统,可以处理大型视频/序列数据集 https://github.com/zju3dv/ENFT ,https://github.com/zju3dv/SegmentBA , https://github.com/zju3dv/ENFT-SfM
- ACTS:自动相机跟踪系统
- RDSLAM:是一个实时同步定位和建图系统,它允许场景的一部分是动态的或整个场景逐渐变化。与PTAM相比,RDSLAM不仅可以在动态环境中稳健地工作,而且还可以处理更大规模的场景(重建的3D点的数量可以是数万个)
- 清华大学自动化系宽带网络与数字媒体实验室 BBNC
- 中科院自动化研究所国家模式识别实验室 Robot Vision Group
- 英国伦敦大学帝国理工学院 Dyson 机器人实验室
- ElasticFusion:一个实时的稠密的视觉 SLAM 系统,可以利用 RGB-D 相机来对房间进行全局一致的三维稠密重建
- CodeSLAM:一种生成室内场景轨迹的大规模照片级真实渲染的系统
- SceneNet RGB-D:一种生成室内场景轨迹的大规模照片级真实渲染的系统,数据集地址:https://robotvault.bitbucket.io/scenenet-rgbd.html
- SemanticFusion:一种实时可视 SLAM 系统,能够使用卷积神经网络在语义上注释密集的 3D 场景
- 英国牛津大学 Active Vision Laboratory
- PTAM:(并行跟踪和建图)用于增强现实的相机跟踪系统
- 英国牛津大学 Torr Vision Group
- 交互式实时 3D 场景分割的框架:创建了一个只需使用廉价的硬件,就可以在半小时内捕获并重建整个房屋或实验室的建图系统
- 苏黎世联邦理工学院 Autonomous System Lab
- libpointmatcher:一个模块化库,它实现了迭代最近点(ICP)算法,用于配准点云
- libnabo:用于低维空间的快速K最近邻库
- ethzaslsensorfusion:基于EKF的时延补偿单传感器和多传感器融合框架
- ethzasl_ptam:用于单目SLAM的框架PTAM
- 苏黎世 Robotics and Perception Group
- 视觉(惯性)里程计轨迹定量评估方法:通过视觉( 惯性)里程计(VO / VIO)定量评估估计轨迹的质量
- 基于高效数据的分布式视觉SLAM:该算法可实现使用便宜,轻便和多功能的相机进行分布式通信多机器人建图
- Kalibr:相机惯导标定
- 慕尼黑工业大学 The Computer Vision Group
- 德国弗莱堡大学 Autonomous Intelligent Systems
- GMapping : 基于Bpf粒子滤波算法的滤波SLAM框架
- RGBD SLAM2:是一个非常全面优秀的系统,将SLAM领域的图像特征、优化、闭环检测、点云、octomap等技术融为一体,非常适合RGBD SLAM初学者,也可以在其基础上继续开发
- 西班牙萨拉戈萨大学RoPeRT机器人,感知和实时组SLAM实验室
- 明尼苏达大学 Multiple Autonomous Robotic Systems Laboratory(MARS)
- 卡内基梅隆大学 Robot Perception Lab
- isam:增量平滑和建图(iSAM),这是一种基于快速增量矩阵分解的同时定位和建图问题方法,通过更新自然稀疏平滑信息矩阵的QR分解来实现
- 斯坦福大学人工智能实验室自动驾驶团队
- 麻省理工大学计算机科学与人工智能实验室(CSAIL)海洋机器人组
- 宾夕法尼亚大学机械工程与应用力学系Vijay Kumar实验室
- 华盛顿大学 UW Robotics and State Estimation Lab
- 加拿大谢布鲁克大学 IntRoLab