sjtuyinjie/awesome-LiDAR-Visual-SLAM

解決する問題

ロボットや自律システムは、自分がどこにいるのか、周囲に何があるのかを正確に知る必要があります。一般的な2つのセンサー（LiDAR（レーザーベース）とカメラ）には、それぞれ長所と短所があります。LiDARは正確な距離測定を提供しますが、視覚的な詳細に欠けます。カメラは豊かな色とテクスチャを提供しますが、照明が悪い場合や動きがある場合には信頼性が低くなることがあります。このプロジェクトは、両方のセンサーをSLAM（同時位置推定とマッピング）システムに組み合わせる最も重要な研究を収集・整理することで、この問題に取り組みます。散在する論文を探し回る代わりに、このリストは、元の論文やオープンソースコードへのリンクを含む、最良の手法の単一の頻繁に更新される概要を提供します。

仕組み

このプロジェクトは、ソフトウェアツールではなく、手作業で厳選されたリストです。著者は、主にロボティクスおよびコンピュータビジョンの会議やジャーナルから、LiDAR-視覚融合SLAMに関するトップクラスの出版物を選択し、分類します。各エントリには、論文タイトル、発表場所と年、および利用可能な場合はPDF、公式コードリポジトリへの直接リンク、場合によってはデータセットやデモビデオへのリンクが含まれます。著者はまた、特に注目すべき作品を炎の絵文字で強調し、各方法の特別な点を説明する短い括弧書きの注記を追加します。リストは年順に並べられ、2026年から2015年まで遡ります。著者は他の研究者に、プルリクエストを介して自分たちの受理された作品を提出するよう呼びかけています。また、LiDARとカメラデータの融合がSLAMパフォーマンスを向上させる理由を説明する短い紹介もあります。

対象読者

これは、SLAM、センサー融合、または自律ナビゲーションに取り組む研究者、大学院生、ロボット工学エンジニアを対象としています。また、数十の個別の情報源を調べずにLiDAR-視覚融合の最先端について学びたい人にも役立ちます。コードへの明確なリンクにより、方法を試したり、アプローチを比較したりすることが簡単になります。

ハイライト

• 2015年から2026年までのLiDAR-視覚融合SLAMに関する35以上のトップクラスの出版物
• 各エントリは公式論文にリンクし、利用可能な場合はソースコードとデモビデオにもリンクします
• R3LIVE、FAST-LIVO2、GS-LIVOなどの画期的なシステムを、その革新の簡単な説明とともに紹介します
• ガウススプラッティングベースのSLAMやマルチカメラシステムなど、古典的および最近のアプローチの両方をカバーします
• 積極的にメンテナンスされ、GitHubプルリクエストを介して新しい受理作品を貢献するための明確なプロセスがあります
• ホイールSLAM、Isaac Sim、その他のロボティクストピックに関する関連するawesomeリストへの参照を含みます