研究生SLAM论文阅读汇总（一）

前言

  最近准备写一篇论文，发现写论文跟码代码完全不是一件事啊，写着写着就不想写了，于是想着去把之前看的论文整理一下吧，顺便看看别人的造句啥的。这个系列就是随便写写想法，粘贴一些句子，很多论文我也没看懂，一知半解的（有啥不对的勿喷，马上就改），如果有人看的话，大家也可以讨论讨论。

  大概有个一百多篇的，暂时也没想好怎么去分类，看的很杂，主要还是雷达SLAM，还有一些UWB，视觉啥的。我主要做LiDAR-based SLAM的，所以跟这方面比较相关的可能写的比较多，其他的就随缘吧。先这样吧，一个博客写个大概十篇文章，写一点发布一点，let’s go!

1、 Efficient LiDAR Odometry for Autonomous Driving

  再看一遍觉得这篇文章里面有不少句子很不错，可以借鉴，前面的related work可以说是很好的对SLAM这一块的各个模块做了很好的一个总结了。
  这篇论文主要是针对自动驾驶这种室外场景长时间运行做了一个优化。首先就是对三维点云投影到一个柱形二维图像和一个俯视图像。俯视图可以更好的将地面点找到从而对z轴、滚转和俯仰角进行约束，柱形二维图对剩下来的x、y轴和偏航进行约束。估计这篇论文是在imls这篇论文的框架基础上改进的，位姿估计这一块与imls一致，另一个比较有意思的创新点就是地图管理了，也就是他实现memory efficiency的关键。对柱形二维图的vertex map和normal map更新，对俯视图的vertex map更新，由于都是二维图像，相较于三维点云图可以省下大量内存。然后做了很多实验，看起来应该确实是速度很快，很节省内存，精度准的原因我感觉还是针对这种自动驾驶场景地面点找的准的缘故。
  对几个点进行鞭尸：Range Adaptive Normal Estimation那里就是一个简单的max min函数，没有那么高大上；位姿估计那一块应该就是imls那一套换了一种说法；地图管理那一快有一部分说了一通也就是关键帧的策略。那个地图更新那里按照原文的意思是不断把之前累计的地图转换到当前帧，这个操作应该是为了融合图像的缘故，如果是三维点云，直接存全局点就行了，所以这样的操作应该存在一个问题就是会不停的把10s内的二维图像一直变换到下一帧去，这个很快吗？maybe。

2、 Efficient Surfel-Based SLA