对于IMU-based odometry，或者说所有包含IMU的framework，如LIO或VIO，IMU的bias建模是重中之重。 特别是VIO，标定及sensor modeling是影响系统性能最关键的部分。一般传统的方法都是把IMU的bias建模为additive Gaussian noise + random walk. 得益于深度学...
SF-Loc应该算是DBA-Fusion(RAL2024)的改进版。 在image+IMU的基础上额外加了map-aided localization.而所谓的map属于priori map，是由稀疏帧（每帧为...
SEA-RAFT是一种比RAFT更简单、有效、准确率高的光流算法。相比起RAFT，SEA-RAFT训练时用了一种新的loss，即拉普拉斯混合（mixture of Laplace），可以让iterative refinements的时候收敛速度更快。 此外，引入刚体运动（rigid-motion）作为预...
在MASt3R提供的a two-view 3D reconstruction and matching prior基础上，作者通过引入有效的pointmap matching, camera tracking and local fusion, graph construction and loop ...
本博文对Occupancy-SLAM系列工作进行阅读与学习
本博客仅供本人学习记录用～
2D-LiDAR-SLAM一般都是基于占据栅格地图（Occupancy Grid Map, OGM）。根据环境中障碍物的存在与否，将地图中的单元划分为占据、空闲和未知区域。 早期2D-...
