State of the art in the SLAM for 3D environments

在本节中，我们将简要回顾3D环境下的传统视觉SLAM和脑灵感SLAM。3D SLAM系统可以使机器人从任意初始3D位置探索未知的3D环境。同时，可以逐步构建三维空间地图。利用三维空间地图同时计算机器人的三维姿态(Dissanayake et al. 2001;Thrun和Leonard 2008)。解决3D SLAM问题的方法大致可分为两类：

• 主要的方法集通常是几何性质的，由优化或概率滤波器驱动，例如，图优化、粒子滤波器或扩展卡尔曼滤波器(EKF) (Cadena et al. 2016)。

• SLAM的第二套方法是基于生物制图和定位系统的灵感。

这些受生物学启发的方法也分为两类：

• 一种方法是基于蚂蚁、蜜蜂和昆虫的导航行为策略(Sabo et al. 2016, 2017;Stone等人，2016;Dupeyroux等人，2019年)。

• 另一种方法是基于神经导航机制。本文主要研究基于三维神经导航机制的导航方法。

在接下来的章节中，我们将回顾传统的3D视觉SLAM和之前的类脑SLAM系统。