基于秦通等大佬的AVP-SLAM论文，对其进行了代码复现，并做了一些新的探索。代码开源在github上，开源地址请访问

先快速浏览下AVP-SLAM代码复现版本的建图及定位效果吧。建图效果如下图所示：

基于先验地图的定位效果如下图所示：

建图及定位的详细效果可访问下面的视频链接

AVP-SLAM论文复现代码开源：停车场自主代客泊车视觉SLAM框架_哔哩哔哩_bilibili​www.bilibili.com/video/BV11R4y137xb/

接下来将从AVP-SLAM-PLUS原理、仿真环境搭建、实验结果、致谢等四部分进行介绍。

1. AVP-SLAM-PLUS原理

AVP-SLAM的pipeline如下图所示，摘自AVP-SLAM论文。

复现版本AVP-SLAM-PLUS的pipeline如图所示

AVP-SLAM-PLUS是一款同时支持RGB相机和RGBD相机的自主泊车环视视觉SLAM系统。除了提供SLAM功能，该系统还支持基于先验地图的定位（这点AVP-SLAM也有）。

下面以环视RGB相机为例，介绍下AVP-SLAM-PLUS系统的工作流程：

当系统接收到环视相机发送的图像（预先进行图像时间同步）后，依据IPM原理，转化为鸟瞰图点云。IPM原理可参考AVP-SLAM原论文。

将多个相机的鸟瞰图点云拼接成一张点云后，将该点云与地图进行配准，求解当前帧机器人的位姿。配准方式可灵活选用NDT或ICP。当较上一个关键帧运动距离超过阈值时，创建新的关键帧，并将新关键帧的点云加入地图中。

当系统执行完毕后，保存地图到指定pcd文件中。

利用保存的地图，即可进行基于先验地图的重定位。

环视RGBD相机原理与RGB相机原理相似，仅在点云拼接原理上有所不同。环视RGBD相机利用相机外参，将其他相机的点云转到同一个相机的坐标上，组成一帧环视的点云。

2. 仿真环境搭建

为了检验AVP-SLAM-PLUS系统的性能，使用gazebo仿真环境进行实验。仿真环境主要包括两部分，小车模型和带停车位的路面环境。

仿真小车借鉴了ros_exploring的开源小车仿真模型。

路面模型借鉴了AVP-SLAM-SIM的开源道路环境仿真模型。

3. 实验

环视RGB相机建图实验效果如下

环视RGB相机基于先验地图重定位，实验效果如下

4. 致谢：

感谢秦通等大佬的研究工作，感谢ros_exploring和AVP-SLAM-SIM的开源仿真环境。

最后，希望这项工作能抛砖引玉，SLAM领域越来越欣欣向荣。