紧耦合与松耦合及在Slam中的应用

中，LIDAR 和 IMU 的观测量通常被独立处理。即分别处理来自 LiDAR 和 IMU 的观测数据，然后在高层次 Pose（Position + Orientation）上进行融合。松耦合通常的思路是首先处理 IMU 的观测数据得到高频的位姿（Pose）信息，将高频的位姿信息用于 LiDAR 观测数据的去畸变，然后有两种处理方式。松耦合相关的研究成果有 LOAM (with IMU)，LeGO-LOAM等；

随着知识的越来越多，越来越细，我准备整理一个自己的激光SLAM学习笔记专栏，从0带大家快速上手激光SLAM，也方便想入门SLAM的同学和小白学习参考，相信看完会有一定的收获。如有不对的地方欢迎指出，欢迎各位大佬交流讨论，一起进步。博主创建了一个科研互助群，欢迎大家加入讨论。

作者：小葡萄 链接：https://zhuanlan.zhihu.com/p/68858564 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。关于面试题目我的目标公司是做自动驾驶或者机器人的公司，每个公司的面试不太一样。一种是先让你讲项目，一般在讲的时候会随时问问题，之后再是考一下基础SLAM问题和算法等。另一种是不让自己讲项目，面试官根据你的简历去不断深入发问。下面把我遇到的问题列举一下。 有时间的话最好把基础的SLAM算法自己实现一遍，比如PnP、ICP、BA等；多刷基

是两种多传感器数据融合的核心策略，尤其在结合视觉、IMU、激光雷达等传感器时至关重要。在SLAM（同步定位与地图构建）系统中，

总结来说，紧耦合系统适用于对精度和鲁棒性要求较高的应用场景，但设计和实现复杂；松耦合系统实现较为简单，适用于对精度要求不太高或计算资源有限的场景。松耦合（Loosely Coupled）**是传感器数据融合的两种策略，主要用于提高SLAM系统的精度和可靠性。**紧耦合（Tightly Coupled）

VIO（visual-inertial odometry）即视觉惯性里程计，有时也叫视觉惯性系统（VINS，visual-inertial system），是融合相机和IMU数据实现SLAM的算法，根据融合框架的区别又分为紧耦合和松耦合，松耦合中视觉运动估计和惯导运动估计系统是两个独立的模块，将每个模块的输出结果进行融合，而紧耦合则是使用两个传感器的原始数据共同估计一组变量，传感器噪声也是相互影响的，紧耦合算法上比较复杂，但充分利用了传感器数据，可以实现更好的效果，是目前研究的重点。 IMU与视觉比较 相机

目录 1. 什么是闭环检测, 回环检测的意义？常用的方法有哪些？ 你用的哪种方法？ 有没有创新？ 2. 描述Gauss-Netwon和LM 3. 熟悉Ceres优化库吗？说一下。 4. 滤波方法 5. 除了视觉传感，还用过其他传感吗？ 6. 什么是紧耦合、松耦合？优缺点。 7. 你认为室内SLAM与自动驾驶SLAM有什么区别？ 8. 地图点的构建方法有哪些？ 9. 当前帧新提取的特征点，如何恢复3D点？ 10. 如何对匹配好的点做进一步的处理，更好保证匹配效果 ？ 11. 单目相机

这样我们可将一幅图像定义为一个二维函数 f(x，y)，图像中的每个像素就可以用 (x，y) 坐标表示，而在任何一对空间坐标 (x，y) 处的幅值 f 称为图像在该点的强度或灰度，当 x，y 和灰度值 f 是有限离散数值时，便称该图像为数字图像。通过一定的速率对图像进行周期性的扫描，把图像上不同亮度的点变成不同大小的电信号，然后传送出去的方法就是图像模拟传输。模拟图像是通过某种物理量的强弱变化来表现图像上各点的颜色 信息，画稿、电视上的图像、相片、印刷品图像都是模拟图像。Zc为相机的光轴，和图像平面垂直。..

本文转载自：知乎专栏 作者：Datong BAO 原文地址：https://zhuanlan.zhihu.com/p/261109469 本文已经过原文作者授权转载，禁止二次转载。 1、RANSAC算法原理 答：RANSAC算法在slam中主要用于剔除误匹配。其目的是找到最优的单应矩阵 使得满...

1.IMU IMU指的是惯性测量单元。IMU大多用在需要进行运动控制的设备，如汽车和机器人上。也被用在需要用姿态进行精密位移推算的场合，如潜艇、飞机、导弹和航天器的惯性导航设备等。 惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。一般的，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于...

参考1.单目/双目与imu的融合（一） 目前单目slam存在初始化的尺度问题和追踪的尺度漂移问题，而双目也存在精度不高和鲁棒性不好的问题。针对这些问题，人们提出了融合imu的想法。 那么imu的作用是什么呢？ 单目 （1)解决初始化尺度问题 （2)追踪中提供较好的初始位姿。 （3)提供重力方向 （4)提供一个时间误差项以供优化 双目 （1)追踪中提供较好的初始位姿。 （2)提供重力方向 （3)提供一个时间误差项以供优化 参考2.视觉和imu融合的算法研究 同SLAM发展过程类...

但对于优化方向，以VINS为例，可以将两个关键帧之间的IMU积分，积分所得的"广义位速姿bias增量”作为图优化的“边”，从而限制两个关键帧之间位速姿bias的变化量。真正执行时，优化迭代过程中，两个关键帧的位姿进行广义减法可以得到"广义位速姿bias增量”的估计值，而IMU积分得到“广义位速姿bias增量”的测量值，由二者相减可得残差项。预积分的“预”字含义就是，在优化的多次迭代过程中，两关键帧间的IMU积分（所得的广义位姿增量）是基本不变的，可以预先积分好直接在整个优化过程中去用。

同步定位与地图构建（SLAM）是机器人和自动驾驶等领域的核心技术，它使智能体在未知环境中能够同时确定自身位置并构建环境地图。而估计与数据融合作为 SLAM 的关键支撑，通过整合多源信息、优化状态估计，直接影响着 SLAM 系统的精度和鲁棒性。估计与数据融合在 SLAM 中的基础作用在 SLAM 过程中，智能体通常搭载多种传感器，如相机、激光雷达、IMU（惯性测量单元）等，这些传感器各自存在优势与局限。例如，相机能提供丰富的视觉特征，但易受光照影响；激光雷达测量精度高，却数据量大、成本较高；

1、SLAM题目 什么是闭环检测？常用的方法有哪些？你用的哪种方法？有没有创新？ 解释一下Gauss-Netwon和LM算法。 熟悉Ceres优化库吗？说一下。 描述（扩展）卡尔曼滤波与粒子滤波，你自己在用卡尔曼滤波时遇到什么问题没有？ 除了视觉传感，还用过其他传感吗？比如GPS，激光雷达。。。 什么是紧耦合、松耦合？优缺点。 你认为室内SLAM与自动驾驶SLAM有什么区别？ 地图点的构建方法有哪...

SVO LSD 因子图优化 MSCKF 转载自知乎：https://zhuanlan.zhihu.com/p/68858564 1、SLAM题目 什么是闭环检测？常用的方法有哪些？你用的哪种方法？有没有创新？ 解释一下Gauss-Netwon和LM算法。 熟悉Ceres优化库吗？说一下。 描述（扩展）卡尔曼滤波与粒子滤波，你自己在用卡尔曼滤波时遇到什么问题没有？...

Autopilot-Notes项目是一个专注于自动驾驶技术的开源笔记库，涵盖了从基础理论到行业解决方案的全面内容。其中，高精地图与SLAM（同步定位与地图构建）技术的融合应用是实现自动驾驶车辆精确定位的核心基础。本文将深入解析这两种技术如何协同工作，为自动驾驶系统提供厘米级定位能力。 ## 一、高精地图：自动驾驶的"高精度记忆" 高精地图（HD Map）是专为自动驾驶设计的包含丰富语义信息和厘

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达前言多传感器融合（Multi-sensor Fusion, MSF）是利用计算机技术，将来自多传感器或多源的信息和数据以一定的准则进行...

VIO-SLAMVisual-Inertial Odometry（VIO）即视觉惯性里程计，有时也叫视觉惯性系统（VINS，visual-inertial system），是融合相机和IM...