碎碎念：Hello米娜桑，这里是英国留学中的杨丝儿。我的博客技术点集中在机器人、人工智能可解释性、数学、物理等等，感兴趣地点个关注吧，持续高质量输出中。
唠嗑QQ群：兔叽的魔术工房 (942848525)
B站账号：杨丝儿今天也在科学修仙（UP主跨站求个关注）
:star:参考
- [草稿] X. Zhang, H. Liu, Z. Zou, and M. Zhou, Multi-sensor Fusion for Autonomous Driving.
:star:关键观点
- 前人的研究把定位和建图任务（SLAM）从实验室带到了现实场景。实验室场景和现实场景最大的区别是灵活度的提升。
- 自定位任务（self-positioning）现阶段有两个方向：
- 基于内部传感器（GPS、IMU等）根据车辆的运动信息进行定位的任务，具有累积误差的问题。
- 基于激光雷达等通过采样环境数据进行定位的SLAM技术，受限于环境，不适宜在低特征环境（如空旷地域）进行定位任务。
:star:关键词整理
real-time posioning problems, coarse-and-fine hybrid positioning system, global information and feature-based simultaneous localization and maping(GF-SLAM), feature-based SLAM (F-SLAM), coarse positioning, particle filter, Kalman filter(EKF), Self-Positioning, map drift, positioning fails, dead reckoning (DR)
