-
高精地图轻量化：基于SLAM的实时建图技术赋能L3级自动驾驶
高精地图曾被视为自动驾驶的"标配"，一张覆盖全国的厘米级地图数据量高达数十TB，每年更新成本以亿元计，单车存储成本超过5000元。然而当L3级自动驾驶真正进入量产倒计时，行业突然发现：这张"地图"正在成为最大的负担。与其背着一座数据大山跑，不如让车自己"看路"。基于SLAM的实时建图技术，正在用"边走边画"取代"提前画好"，把高精地图从静态资产变成动态能力，这是L3落地最关键的一张底牌。
-
低算力嵌入式平台下轻量化SLAM在扫地机器人中的应用低算力嵌入式平台下轻量化SLAM在扫地机器人中的应用
-
轻量化SLAM在扫地机器人中的应用实践
-
轻量化SLAM算法的核心优化策略
-
家庭环境特性与SLAM技术发展现状
-
动态人干扰下扫地机器人SLAM回环检测与漂移抑制
-
动态人干扰下SLAM回环检测优化策略
-
动态人干扰下SLAM漂移与回环检测失效核心机理
-
面向家庭动态环境的鲁棒SLAM核心架构设计
-
扫地机器人激光SLAM与视觉SLAM对比及融合定位研究
-
激光SLAM与视觉SLAM核心维度对比
-
鲁棒SLAM提升动态适应性的关键技术
-
家庭动态环境给传统SLAM带来的技术挑战
-
激光SLAM与视觉SLAM的核心技术原理
-
多摄像头协同的AI眼镜SLAM定位，视觉-IMU融合的厘米级室内定位误差控制
随着AI眼镜向“空间计算终端”形态演进，其定位精度需求从米级提升至厘米级，尤其在医疗手术导航、工业精密装配等场景中，传统单传感器方案已无法满足需求。多摄像头协同的SLAM(同步定位与建图)技术与视觉-IMU(惯性测量单元)融合定位技术，通过多模态数据互补与算法优化，实现了厘米级室内定位误差控制，成为AI眼镜高精度定位的核心解决方案。
-
VINS与SLAM在机器人姿态估计中的核心区别（下）
-
VINS与SLAM在机器人姿态估计中的核心区别（上）
-
SLAM 技术：从单模态感知到多传感器融合的环境认知革命(下)
-
SLAM 技术：从单模态感知到多传感器融合的环境认知革命(中)
-
SLAM 技术：从单模态感知到多传感器融合的环境认知革命(上)
