因子图优化的资源整合

因子图优化的资源整合

由于需要了解一些因子图优化的知识,故将关于因子图优化的资源进行了一些整合。主要来自于知乎三川小哥的专栏:https://zhuanlan.zhihu.com/c_1025765837919113216。感谢三川小哥的工作。

1、书本和视频资源

  1. "Incremental Smoothing and Mapping"(下载链接:http://www.cs.cmu.edu/~kaess/pub/Kaess08tro.pdf).

  2. M. Kaess的公开课视频(含有中英文字幕)。【B站:https://www.bilibili.com/video/BV1gk4y1R7Lb】【油管:https://www.youtube.com/watch?v=_W3Ua1Yg2fk

  3. 深蓝学院有一个董靖博士的公开课,个人觉得讲的很好。【深蓝学院:https://www.shenlanxueyuan.com/open/course/28

  4. B站上有南大计算机黄宇教授关于图优化的视频。【B站:https://www.bilibili.com/video/BV1Y54y197VW

2、论文资源

[1] S. Thrun and J. J. Leonard, “Square Root SAM: Simultaneous Simultaneous Localization and Mapping,” Robotics, pp. 871–889, 2008, doi: 10.1007/978-3-540-30301-5_38.【论文:https://www.cc.gatech.edu/~dellaert/pub/Dellaert06ijrr.pdf

[2] M. Kaess, A. Ranganathan, and F. Dellaert, “iSAM: Incremental smoothing and mapping,” IEEE Trans. Robot., vol. 24, no. 6, pp. 1365–1378, 2008, doi: 10.1109/TRO.2008.2006706【论文:https://smartech.gatech.edu/bitstream/handle/1853/26572/kaess_michael_200812_phd.pdf?sequence=1&isAllowed=y】.

[3] C. Robotics et al., “iSAM2: Incremental Smoothing and Mapping with Fluid Relinearization and Incremental Variable Reordering The MIT Faculty has made this article openly available . Please share how this access benefits you . Your story matters . Citation Kaess , Michael et ,” 2016.【论文:https://www.cs.cmu.edu/~kaess/pub/Kaess12ijrr.pdf

[4] R. F. Salas-moreno, R. A. Newcombe, P. H. J. Kelly, and A. J. Davison, “SLAM ++: Simultaneous Localisation and Mapping at the Level of Objects,” 2014.【论文:https://ieeexplore.ieee.org/document/6619022

[5] X. Wang, R. Marcotte, G. Ferrer, and E. Olson, “AprilSAM: Real-time Smoothing and Mapping,” Icra, pp. 2486–2493, 2018.【论文:https://ieeexplore.ieee.org/document/8461072

前三篇主要是关于因子图优化的介绍,后两篇主要是关于因子图的应用。

3、开源代码

1. miniSAM 【github:https://github.com/dongjing3309/minisam

  1. iSAM【github:https://github.com/ori-drs/isam

  2. GTSAM【github:https://github.com/borglab/gtsam

如果有资源补充,欢迎大家私聊我,我会持续更新。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 162,050评论 4 370
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 68,538评论 1 306
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 111,673评论 0 254
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,622评论 0 218
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 53,047评论 3 295
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,974评论 1 224
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 32,129评论 2 317
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,893评论 0 209
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,654评论 1 250
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,828评论 2 254
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,297评论 1 265
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,619评论 3 262
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,326评论 3 243
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,176评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,975评论 0 201
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 36,118评论 2 285
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,909评论 2 278

推荐阅读更多精彩内容

  • 今天感恩节哎,感谢一直在我身边的亲朋好友。感恩相遇!感恩不离不弃。 中午开了第一次的党会,身份的转变要...
    迷月闪星情阅读 10,503评论 0 11
  • 彩排完,天已黑
    刘凯书法阅读 4,152评论 1 3
  • 表情是什么,我认为表情就是表现出来的情绪。表情可以传达很多信息。高兴了当然就笑了,难过就哭了。两者是相互影响密不可...
    Persistenc_6aea阅读 120,770评论 2 7