在线GPSLAM代码-因子图Matlab实现：基于增量稀疏GP回归的连续时间轨迹估计与地图构建论文代码

简介：
本项目提供了一种基于增量稀疏高斯过程回归的连续时间轨迹估计和地图构建方法，采用因子图框架在Matlab中实现在线GPS辅助LAM算法。 因子图matlab代码欢迎来到online-gpslam[高斯过程|增量|GTSAM3.2|SLAM]这是IncrementalSparseGPRegressionforContinuous-timeTrajectoryEstimationandMapping论文的代码库，作者包括Yan Yanyan、Vadim Indelman和Byron Boots。该代码依赖于因子图和贝叶斯网络作为基础计算范例而非稀疏矩阵，在机器人技术和视觉中实现平滑与映射（SAM）。整个项目分为两部分： 1. cpp：使用C++编写的，包括以下因素的实现： - 2D高斯过程先验因子 - LieVector的BearingRange系数 - LieVector的范围因子 - 插值范围系数 - 预计速度因数 - 插补速度因数 2. matlab：用于产生论文中实验结果的matlab脚本。 我们对三个数据集进行了实验，包括一个合成的数据集和两个真实世界的数据集。具体来说： - 1,500个姿势的合成数据集。 - 自动割草机广场数据集。 - 维多利亚公园车辆数据集。