图表-2024-06-13工矿自动化
论文-2023年 第12期煤炭技术
图表-2023-08-16工矿自动化
网络首发-2024-06-05 16:51:45工矿自动化
亮点论文-2024-02-02
论文标题：Development and testing of a wireless smart toolholder with multi-sensor fusion（多传感器融合无线智能刀柄的研制） 期刊： Frontiers of Mechanical Engineering
网络首发-2024-10-30 14:08:35华北科技学院学报
图表-2024-11-12工矿自动化
Table 1
表 1 表 1 上文未提及的常见多传感器融合SLAM方案Table 1. Table 1. Common multi-sensor fusion SLAM solutions
| 多传感器融合SLAM方案 | 所属类型 | 优点 | 缺点 |
| 激光−惯性里程计与地图构建[31] | 激光雷达−IMU | 率先开源的激光雷达与IMU融合方案 | 计算效率不高 |
| 激光−惯性状态估计器[32] | 激光雷达−IMU | 相较LIO−mapping运行速度提高近1个数量级 | 复杂程度高 |
| 快速激光−惯性里程计系列[33-35] | 激光雷达−IMU | 轻量级定位建图，运行效率高；Faster−LIO 可应用至固态激光雷达 | 牺牲了一定精度；更适合小尺度场景 |
| 固态激光雷达−惯性里程计与地图构建[36] | 激光雷达−IMU | 适用于固态激光雷达的融合方案 | 狭窄长廊特征匹配退化严重 |
| 激光−惯性里程计与地图构建[37] | 激光雷达−IMU | 可消除动态物体影响；低漂移；强鲁棒性 | 实时性较差 |
| 基于关键帧的视觉−惯性SLAM系统[38] | 相机−IMU | 轨迹估计精确 | 无回环检测；无法构建环境地图 |
| 基于方向加速分割测试特征检测子和 旋转二进制鲁棒独立特征描述子的 视觉−惯性SLAM系统[39] | 相机−IMU | 通过融合IMU数据解决快速运动下 特征点丢失的问题 | 无法长时间应用至光照变化明显、 欠特征场景 |
| 基于方向加速分割测试特征检测子和 旋转二进制鲁棒独立特征描述子的 即时定位与地图构建[40] | 相机−IMU | 定位精度、实时性好 | 快速运动场景存在特征丢失问题； 大尺度场景计算消耗量大 |
| 视觉−激光里程计与地图构建[41] | 激光雷达−相机−IMU | 精度高；鲁棒性好 | 无“回环检测” |
| 激光−单目视觉里程计[42] | 激光雷达−相机−IMU | 环境信息丰富，便于后续语义分割等操作 | 精度低于V−LOAM |
| 稳健实时的激光−惯性−视觉联合估计[43-45] | 激光雷达−相机−IMU | 实时性强；可拓展性优秀 | 计算资源需求大 |
| 快速激光−惯性−视觉里程计[46] | 激光雷达−相机−IMU | 计算效率高；鲁棒性好 | 硬件要求高 |
作者：鲍久圣 ; 阴妍 ; 袁晓明 ; 王茂森 ; 胡德平 ; 张可琨 ; 崔邵云 ; 朱晨钟
来源：SLAM技术及其在矿山无人驾驶领域的研究现状与发展趋势
期刊：工矿自动化 - 2024年 - 10期
论文-2023年 第06期煤矿机械
论文-2024年 第06期中国煤炭
论文-2024年 第04期煤矿机械
来对平台产品吐槽CCAJ有关的所有问题您都可以咨询，全天在线，欢迎反馈
