July

#C114#

2017 icra

未知动态环境下planning多机覆盖

SLAM turorial

公司：地平线

鼠标光流传感器做姿态检测

高博 octomap

icra slam所有文章，效率低。

刷slam群，效率低

讨论班0706

1. iros2016 wangzhi
2. 48%
3. 文章相似性评分，问zhi
4. 选方向
   motion path planning
   sensor-based planning
   domestic robots and home automation
5. 审稿问题：
   什么是动态障碍 dynamic obs vs no-stationary obs
   初始位置的问题
   对比实验逻辑：不用多个创新点，要突出一个。
   不需要与原始的过多对比，符号卸载前文写好
   仿真与真实的区别，看重真实机器人。
6. 总结：
   深入研究问题突出创新点，真实场景机器人实验，细节修改，逻辑，评审角度。

讨论班暑期规划。
近期工作，进展，问题，规划，目标
（这个模板看起来不错。）

talk with bo?

矩阵是什么，向量的组合。
读英语报纸。

kangrisheng2015iros 伪代码里面有错误，相关工作写得不严谨。
cc 毕业光盘。

IMU

《Extending kalibr: Calibrating the extrinsics of multiple IMUs and of individual axes》
多imu.基于开源的kalibr,extending kalibr只用singe estimator,能够imu intrinsics，可以测量低成本imu.

我怎么完全不明白为什么看了这么一篇呢。。

SLAM沙龙PPT

1. strong rotation

2. fast motion

   depth uncertainty
   patch distortion
   expansion efficiency

3. featureless

4. efficiency
5. accuracy
6. dynamic sence
7. large scale

BASIC ABOUT SLAM 高博

zhihu 颜沁蕊

https://www.zhihu.com/question/47817909/answer/107775045
动态环境下的slam问题如何解决？
核心问题还是在于data association：
即对于新的observation, 如何与过去已经观察到的tracks进行关联.

因为图像特征的局部性, 在图像中的重复性, 会造成大量的误匹配. 当然我们有很多奇技淫巧, 比如1NN/2NN, RANSAC等方法, 但问题并不算被解决, 只能算是被改善了一些吧.
数据关联的其中一种算法, JPDAF(Joint probability data association filter).

动态场景在语义地图下当然就好办很多啦哈哈. 我们如果能识别出点云中的物体, 至少就可以知道它是否能动, 然后再去判断它是否真的在动. 语义地图的工作应该有很多团队在进行了, 尤其在DL,CV横行, vision slam当道的大环境下, 语义的引入应该很快会完成吧. 个人对这方面保持持续关注, 论文就是做的Object level slam方面的, 欢迎各位大侠拍砖交流!

环境中的物体通常可以分成三类：
静态物体：长时间稳定不变的物体，如墙、柱子等。
半静态物体：大部分时间是静止的，但会在某个时刻发生变化。如时而开时而关的门，路边的停车。
动态物体：移动的物体，如移动的行人、车辆。

学术开源代码难以用到产品级

ARVIX是什么

中文的IMU+VISION

OKVIS我的讨论班

大综述