记录一个ORB的语义地图slam和松紧耦合 orbslam2 + imu

地址： https://github.com/Ewenwan/ORB_SLAM2_SSD_Semantic
使用国内镜像的github网站： https://hub.fastgit.org/Ewenwan/ORB_SLAM2_SSD_Semantic

松耦合

原文地址：https://blog.csdn.net/xiaoxiaowenqiang/article/details/81192045#commentBox

1. 基于滤波器的松耦合举例-msf
   代码：https://hub.fastgit.org/Ewenwan/ethzasl_msf
   2.基于滤波器的松耦合举例-ssf
   代码：https://hub.fastgit.org/Ewenwan/ethzasl_sensor_fusion
   滤波器的状态向量 x 是24维，如下，相较于紧耦合的方法会精简很多。
   Ssf_core主要处理state的数据，里面有预测和更新两个过程。
   Ssf_update则处理另外一个传感器的数据，主要完成测量的过程

紧耦合 orbslam2 + imu 紧耦合、ORB稀疏前端、图优化后端、带闭环检测和重定位

1. 代码：https://hub.fastgit.org/Ewenwan/LearnVIORB
2. RK4 算法在 SLAM 中也有很好的应用，特别是 VIO 中的预积分部分， 比如张腾将王京的 VI ORB SLAM2 代码改成 RK4 积分后， 精度也得到了一定的提升：https://hub.fastgit.org/RomaTeng/ORB-VINS_RK4
   RK4 算法比起欧拉积分、中点积分计算量要大不少 ，SLAM 中影响精度的地方非常多，紧靠 K4 改进其对于精度的提升程度通常也不会特别大， 不过对于速度要求不高而精度要求很高的场合还是值得尝试的。
   代码：https://hub.fastgit.org/Ewenwan/ORB-VINS_RK4