sjtuyinjie/awesome-LiDAR-Visual-SLAM

해결하는 문제

로봇과 자율 시스템은 자신이 어디에 있는지, 주변에 무엇이 있는지 정확히 알아야 합니다. 두 가지 일반적인 센서인 LiDAR(레이저 기반)와 카메라는 각각 장단점이 있습니다. LiDAR는 정밀한 거리 측정을 제공하지만 시각적 세부 정보가 부족합니다. 카메라는 풍부한 색상과 질감을 제공하지만 조명이 나쁘거나 움직임이 있을 때 신뢰성이 떨어질 수 있습니다. 이 프로젝트는 두 센서를 SLAM(동시 위치 추정 및 매핑) 시스템에 결합하는 가장 중요한 연구를 수집하고 정리하여 이 문제를 해결합니다. 흩어진 논문을 찾는 대신, 이 목록은 원본 논문과 오픈 소스 코드 링크를 포함한 최고의 방법에 대한 단일하고 자주 업데이트되는 개요를 제공합니다.

작동 방식

이 프로젝트는 소프트웨어 도구가 아닌 수작업으로 선별된 목록입니다. 저자는 주로 로보틱스 및 컴퓨터 비전 학회와 저널에서 LiDAR-비주얼 융합 SLAM에 관한 최고 수준의 출판물을 선택하고 분류합니다. 각 항목에는 논문 제목, 발표 장소와 연도, 가능한 경우 PDF, 공식 코드 저장소, 때로는 데이터셋이나 데모 비디오에 대한 직접 링크가 포함됩니다. 저자는 또한 특히 주목할 만한 작품을 불꽃 이모지로 강조하고, 각 방법의 특별한 점을 설명하는 짧은 괄호 주석을 추가합니다. 목록은 연도순으로 정렬되어 2026년부터 2015년까지 거슬러 올라갑니다. 저자는 다른 연구자들이 풀 리퀘스트를 통해 자신의 채택된 작품을 제출하도록 초대합니다. 또한 LiDAR와 카메라 데이터를 융합하는 것이 SLAM 성능을 향상시키는 이유를 설명하는 짧은 소개가 있습니다.

대상 독자

이 목록은 SLAM, 센서 융합 또는 자율 내비게이션을 연구하는 연구자, 대학원생, 로봇 공학 엔지니어를 대상으로 합니다. 또한 수십 개의 개별 소스를 조사하지 않고 LiDAR-비주얼 융합의 최신 기술을 배우고자 하는 모든 사람에게 유용합니다. 코드에 대한 명확한 링크는 방법을 시도하거나 접근 방식을 비교하기 쉽게 만듭니다.

주요 특징

• 2015년부터 2026년까지의 LiDAR-비주얼 융합 SLAM에 관한 35개 이상의 최고 수준의 출판물
• 각 항목은 공식 논문에 연결되며, 가능한 경우 소스 코드와 데모 비디오에도 연결됩니다
• R3LIVE, FAST-LIVO2, GS-LIVO와 같은 획기적인 시스템을 혁신에 대한 간략한 설명과 함께 강조합니다
• 가우시안 스플래팅 기반 SLAM 및 멀티 카메라 시스템을 포함한 고전적 및 최신 접근 방식을 모두 다룹니다
• 적극적으로 유지 관리되며, GitHub 풀 리퀘스트를 통해 새로운 채택 작품을 기여하는 명확한 프로세스가 있습니다
• 휠 SLAM, Isaac Sim 및 기타 로보틱스 주제에 대한 관련 awesome 목록 참조를 포함합니다