SLAM의 종류와 특징

List of SLAM methods 

( https://en.wikipedia.org/wiki/List_of_SLAM_Methods ) 와 특징들.

---

EKF SLAM  

Extended Kalman filter를 이용한 SLAM

FASTSLAM이 등장하기 전까지는 수십년동안 SLAM의 중요한 방법이였다.

---

FASTSLAM 1.0

다른분 블로그에 잘 나와있다 : http://blog.daum.net/pg365/133

참고만 해서 적자면 FASTSLAM은 Particle filter를 위주로 작동하며

EKF SLAM은 랜드마크수의 제곱에 비례하는 시간복잡도를 갖는데 반해

FASTSLAM은 랜드마크수의 선형적으로 비례하기 때문에, 랜드마크가 천개 이상인 경우 더욱 유용하다.

---

FASTSLAM 2.0

윗 블로그에서 발견한 댓글에 나와있는 것을 참고하자면

FastSLAM 1.0과 2.0의 차이는 간단합니다. sampling pose 단계에서 proposal distribution을 구할 때 현재 스탭(k)에서의 measurement를 고려한 확률을 계산하는 것이 2.0입니다. 즉,
1.0 --> p(x(k) | x(k-1), u(k))
2.0 --> p(x(k) | x(1:k-1), u(1:k),z(1:k))

---

L-SLAM (Matlab code)

---

GraphSLAM

GraphSLAM은 관찰한 환경의 상호 의존적 관계(랜드마크에 대한 데이터)로 만들어진 그래프로 만들어진정보 매트릭스에서 SLAM 을 처리하는 알고리즘이다.

---

Occupancy Grid SLAM

---

DP-SLAM

---

Parallel Tracking and Mapping (PTAM)

참고 : http://darkpgmr.tistory.com/129 

굉장히 자세하게 나와있다. 기왕이면 가서 읽는게 좋다.

결국 PTAM은 일반적인 SLAM과 달리 맵핑과 로컬라이제이션을 분리시켜 별도의 쓰레드로 돌린다. 그래서 둘사이의 종속성을 없애고 정확도를 높이는 방법을 쓰는데. 카메라 로컬라이제이션을 모든 영상 프레임에 적용하고, 맵을 갱신 할때는 주요 키 프레임에만 적용한다. 하지만 시간이 오래걸리더라도 정밀한 알고리즘을 사용하고 있다.

---

LSD-SLAM

Large-Scale Direct Monocular SLAM

랜드마크를 사용하지 않고 대신 다이렉트로 이미지에 트랙킹과 맵핑을 한다.

동영상을 보면 Large-Scale에서 굉장히 유용해보임.

---

ORB-SLAM

ORB-SLAM2

MonoSLAM

---

CoSLAM

visual SLAM 소프트웨어인데, 여러대의 자유롭게 움직이는 카메라들이 동시에 그들의 모션을 감지하고 굉장히 역동적인 상황의 장면과 주변의 3D 맵을 그림. CoSLAM project page.

---

SeqSlam

MATLAB을 사용하고 sequence of image를 활용하는데 다른 자세한 설명이 안나와있다.