MATLAB RANSAC Code for SLAM

这个存储库包含MATLAB或Python编写的SLAM算法代码。SLAM是指同时定位和地图构建，涵盖了来自LUH SLAM课程的代码示例。详细信息请参阅：

如果您对RANSAC算法在Matlab中的应用感兴趣，可以尝试使用这个程序。

通过研究论文“通过学习RGB-D特征进行稳健的6D对象姿势估计”的实现，我们介绍了matlab ransac代码的应用。该代码利用RGB-D图像，精确预测场景中各对象的6D姿势。需要安装Python 3.6、PyTorch 1.0.1和CUDA 9.0，并编译安装ransac投票层和GPU版本的knn。我们还提供了预处理过的Linemod数据集下载链接。

以下是使用SIFT算法与RANSAC算法进行图像拼接的MATLAB代码。该代码经过亲测，可以有效完成图像的拼接。

Matlab椭圆分割代码，方法为“IASR：弱监督语义分割的迭代注释选择和细化”的测试代码。测试步骤如下：第一步：下载压缩模型，密码为：bg15或放入根目录解压。我们已发布与密码：y970的汇总手稿中表6的步骤P1到P4对应的所有模型。第二步：更改retored模型的根并运行test_vocSGIR_vgg.py进行SGIR-vgg16评估，多尺度融合的预测将保存在SAVE_DIR = './result/'中。在PASCAL VOC 2012验证数据集上可实现59.3的平均IoU。第三步：更改retored模型的根并运行test_vocSGIR_resnet进行SGIR-resnet101评估，多尺度融合的预测将保存在SAVE_DIR = './resultresnet/'中。在PASCAL VOC 2012验证数据集上可实现64.0的平均IoU。第四步：后处理请参考运行CRF。第五步：我们已提供用于评估的matlab代码，您可以评估结果并自行获取IoU，请参阅相关文档。

这是我在论文中模拟的Matlab SLAM代码，对ICIEA2018年会上基于EKF和最小二乘的SLAM算法进行了比较。代码正在整理中，即将发布。

Matlab SLAM工具包提供了SLAMTB-Graph.zip的GitHub下载链接。

MATLAB原始代码：LCSD_SLAM论文补充材料，包含影片示范。原始结果和MATLAB脚本已调整路径和模式运行。支持多种模式：模式1用于绘制与论文数字相匹配的预评估结果；模式2用于处理自定义结果并生成图表；模式3用于处理后的结果绘制。

GPS网平差的matlab程序，亲自编写，代码有很详细的注释。