《表1 视觉SLAM标志性成果表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《视觉惯性SLAM综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

LSD-SLAM（large-scale direct SLAM）[2]的提出标志着单目直接法SLAM的成功问世。LSD-SLAM的重要贡献在于将直接法用到了半稠密的单目SLAM中，不仅不需要特征点，还能在CPU上实现半稠密场景的重建。尽管LSD-SLAM对特征缺失的区域不敏感，但后续还需要依靠特征点法进行回环检测，无法真正意义上摆脱特征点的计算。由Forster等人[3]提出的SVO（semi-direct visual odometry）是一种基于稀疏直接法的视觉里程计。SVO最大的优势是时间复杂度低，即使在低端的计算平台上也能达到实时性。但SVO为了轻量化，没有后端优化和回环检测部分，更无法建图，不是完整的SLAM。RTAB-MAP（real time appearance-based mapping）[12]是RGB-D SLAM中较为完善和经典的方案，包括基于特征点的视觉里程计、基于Bo W的回环检测、后端的位姿图优化和网格地图。表1为近年来视觉SLAM的发展状况。前端中稀疏、稠密和半稠密方法适应着不同的需求不断更新；在后端中，基于滤波器方法已经被基于优化的方法所取代，传感器的使用趋于多样化。