2019年SLAM进展跟踪

一、Visual SLAM

1. On-SE(2) Localization and Mapping for Ground Vehicles by Fusing Odometry and Vision
   针对二维平面的车辆，从视频上看，pose是二维的，features是三维的，非常适合平整地面的车辆定位。有代码；有代码，比较不错。

二、Sensor Fusion

1. AI-IMU Dead-Reckoning
   作者马丁是一个法国 国立巴黎高等矿业学院（相当于MIT之于美国）。使用深度学习的方法进行惯导推算。效果非常好，他的一些论文都有代码，硕士是学应用物理的。比较赞的结果是：纯IMU推算达到了ORBSLAM2的效果。 论文： 链接: https://pan.baidu.com/s/1zeLsSVGL9RIO-dqJwpNc-A 提取码: f9ft ；代码

• 较好的效果取决于三个方面1：用了IEKF；2：用学习的方法进行噪声的自适应；3：解决IMU和基座之间的松动错位。
• 跑代码过程中，没有获得预期效果，“IEKF nets loaded”完了之后就没有了。