建图

人工智能算法优化YOLO的目标检测能力REF：多模态融合下家居机器人高精度SLAM 与区域分割方法研究人工神经网络（Artificial Neural Network，ANN）：理论基础建立在生物神经系统的数学抽象与非线性函数逼近能力之上，目标是通过非线性变换逼近复杂函数关系，数学框架可视为一个参数化函数的优化问题，网络通过层级化的非线性映射构建从输入到输出的预测模型，其层级结构可视为特征空间的逐层变换，每一层将输入数据映射到新的表征空间，最终通过线性分类器或回归器完成预测。

机器人自主导航方案概述REF：建筑机器人自主导航关键技术研究进展及展望环境地图分为先天和后天环境信息模型，其中先天环境信息模型可提前输入至建筑机器人系统，后天环境信息模型需要机器人运动过程中感知环境获取

一款基于鲁班猫和STM32的自主导航实践REF：基于多传感器融合的救援机器人SLAM地图重建与路径规划研究硬件软件ORB-SLAM2 建图算法

基于萤火虫+Gmapping、分层+A*优化的导航方案REF：基于激光和视觉ＳＬＡＭ的自主导航机器人系统设计机器人硬件框架机器人系统软硬件框架RTAB-MAP位姿估计：（real-time appearance-based mapping），将深度相机和激光雷达的特征描述符放入相同的视觉词袋进行联合，采用优化框架Bundle Adjustment将特征点的匹配关系和位姿变换进行联合优化，通过高斯牛顿法最小化重投影误差Ｅ，得到最优位姿估计。

基于ROS2的语义格栅地图导航REF：基于多传感器融合的全自主移动机器人系统设计与实现机器人系统架构硬件架构软件架构导航架构四轮差速运动模型：机器人相对于世界坐标系的位移与旋转关系可以通过两个矩阵来表示，这两个矩阵分别为位移矩阵T和旋转矩阵R

SLAM各类算法特点对比REF：视觉和激光 SLAM 发展综述与展望视觉和激光 SLAM 基本框架，包括前端里程计、后端优化、回环检测以及地图构建这四个模块

ubuntu22.04 ros2 fast_lio2 复现源项目：https://github.com/liangheming/FASTLIO2_ROS2https://github.com/liangheming/FASTLIO2_ROS2

论文Review SLAM R3LIVE | ICRA2022 港大MARS | 可以生成Mesh的激光视觉惯性SLAM题目：R3LIVE: A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation and mapping package

亚博microros小车-原生ubuntu支持系列：18 Cartographer建图Cartographer是Google开源的一个ROS系统支持的2D和3D SLAM（simultaneous localization and mapping）库。基于图优化（多线程后端优化、cere构建的problem优化）的方法建图算法。可以结合来自多个传感器（比如，LIDAR、IMU 和摄像头）的数据，同步计算传感器的位置并绘制传感器周围的环境。

我是有底线的