点击上方“计算机视觉life”，选择“星标”
快速获得最新干货
很多人让我推荐激光雷达-视觉-惯导的多传感器融合SLAM算法，LVI-SAM就是其中一个优秀的算法。
扫描开始学习~

1什么是LVI-SAM？

LVI-SAM是MIT团队的TixiaoShan等人开源的一个紧耦合的激光雷达视觉惯导SLAM系统，可以实时高精度鲁棒的进行状态估计和建图。
LVI-SAM构建在因子图之上，并且由两个子系统组成：一个视觉惯导系统和一个激光惯导系统。这两个子系统利用紧耦合的方法，视觉惯导的系统利用激光惯导的估计来做初始化。视觉惯导系统利用激光雷达的测量给视觉特征提供深度来提升精度。同时激光惯导系统利用视觉惯导的估计值作为初值来做帧的匹配。利用视觉做闭环检测，把检测的结果给激光惯导系统来做优化。当激光惯导和视觉惯导子系统的一个失败的时候LVI-SAM仍然可以工作，这极大的提升了系统在缺少纹理或者特征场景中的鲁棒性。

2为什么要学LVI-SAM？

  • 与其他开源框架相比，有更好的算法鲁棒性，有更优越的算法精度
  • 是目前最先进的开源LVIO框架之一
  • 涵盖IMU预积分、特征提取、视觉滑窗、因子图优化、回环检测等多方位内容
  • 学会LVI-SAM算法有助于理解其他多传感器融合框架
  • 代码有注释，讲师带读。代码注释地址 https://github.com/electech6/LVI-SAM_detailed_comments
  • 为统一环境调试代码，我们做了docker镜像（感谢刘嘉林同学）；为LVI-SAM算法录制了校园数数据集（感谢刘嘉荣同学）。

3LVI-SAM学习路线

经过周密准备，计算机视觉life联合哈工大博士汪寿安推出为期1个月的学习挑战赛，《快速入门多传感器融合SLAM：LVI-SAM》，下面是关于demo部分的讲解
课程特色如下：
  • 短期高效率的闯关模式，学员齐头并进，一起攻克学习难题
  • 社区化学习：每天视频 + 作业 + 答疑 + 评比，拒绝拖延症
  • 优秀学员奖学金，学习更有动力
  • 合理设计，学5休2，工作忙可以集中闯关，学习工作两不误
早鸟优惠50元，还有2个名额，快来抢，更多介绍查看
下面是详细学习规划
扫描开始学习~
“长按”或“扫描”下方二维码，加入【小六的机器人SLAM圈】即可开始学习~3天内无条件退款~ 购买后务必加客服领取其他权益和加交流群，现在加入免费送近千页5年机器人SLAM答疑手册
最后介绍一下我们最近的几个学习活动：（点击下方标题即可快速获取）

1、实战：基于ORB-SLAM2的管道机器人圆柱约束的位姿估计
管道内单目视觉SLAM尺度漂移较明显，定位挑战很大。学完本项目，你可以动手做到：利用管道的圆柱形结构约束，基于ORB-SLAM2改进地图点位置估计，从而优化SLAM算法精度。详情点击 从小白到老手，我如何搞定管道机器人位姿估计？
2、快速入门多传感器融合SLAM：LVI-SAM
LVI-SAM是MIT团队的TixiaoShan等人开源的一个紧耦合的激光雷达视觉惯导SLAM系统，可以实时高精度鲁棒的进行状态估计和建图。哈工大博士带你学习，1个月的学习挑战赛，详情点击 MIT团队开源的这个激光雷达视觉惯导SLAM系统，太香了！
3、快速入门激光雷达惯性SLAM-FastLio2
FAST-LIO2是香港大学火星实验室（MARS）发表在IEEE-RAL和IEEE-TRO的两篇论文，是一种具有高计算效率、高鲁棒性的雷达惯性里程计（LIO）本课程中上海交通大学博士王泽霖推出为期1个月的学习挑战赛第2期，从原理到实战快速掌握，详情点击 香港大学开源的这个激光雷达惯性SLAM，太强了！
4、效果逼近LIO-SAM！带你实现激光雷达SLAM
本项目对ALOAM进行改进，融合众多新技术，ALOAM+ LINK3D + CSF + BALM，纯激光雷达SLAM效果逼近LIO-SAM。详情点击 我用纯LiDAR SLAM实现逼近LIO-SAM的效果，如何做到？

继续阅读
阅读原文
关键词
激光雷达
特征
代码
鲁棒
多传感器融合