怎样理解SLAM中的路标（landmark）
一般视觉上用的比较多，因为相对来说图像还是比激光什么的信息更丰富。图像中的特征点、预先部署的图像pattern（如二维码、色块等）都可以做landmark，或者你能够做环境语义标注，直接在图像上框出来房子、树、门这些物体，也可以用作landmark，这样还不需要预先部署。激光中，landmark一般在基于反射板的激光SLAM中用的比较多，每块反射板中心当做一个landmark点。没有反射板的情况下，一般不用landmark来做SLAM，因为确实不好找，而且就算找到了区分性也不是特别好。3D点云中有几何特征，理论上也可以像图像特征那样当做landmark，但好像没看到过这样做的，大家都是直接用点云做ICP。有基于平面特征做的，但平面特征也没有用来做landmark，而是通过平面配准然后做graph优化。或者你也可以做语义识别，在点云里面分割出环境中的各种物体，那就也可以当做landmark了。环境中的能被你用传感器区分的信息，理论上都可以做landmark，只是区分性有强有弱。比如图像中，桌子椅子等语义特征就比图像层面的SIFT、SURF特征更有区分性，但语义识特征的提取可能非常复杂并且耗时。现在Deep Learning这么火，图像语义分割不知道做到什么程度了，说不定以后做SLAM都用语义特征来做了，那样就比较贴近人做SLAM的方式了。
■网友
额额谢邀，如果题主的问题限定于激光传感器路标，这个不是我熟悉的领域，算是强答一发了。。。“landmark”这个概念上来，顾名思义就是标志物，即场景中比较有辨识度的物体或者区域。比如在我们熟悉的视觉SLAM中，每一个特征点就是一个landmark。那么对于激光传感器来说怎样的测量是“特别的”，可以在多次测量中被观测到，然后关联起来，就可以作为路标放入地图中。听众大神们说过可以使用反光镜当路标，或者是一些表面是特殊形状的物体，这应该比较好理解。如果是在自然场景中，特征的选择就更加困难了。最简单的想法应该是用激光传感器扫描出来的点云根据形状进行匹配了。匹配成功的那些点通通加入地图中，每一个点都可以算是一个landmark。确实不太了解激光，盼指正拍砖！
推荐阅读
- 聪明人养花，这3种“花”怎样也要养一盆，每年能省不少医药费
- 互联网怎样解决“家政服务上门速度慢”的问题
- 怎样看待从1月8号起，QQ钱包开始提现收费
- 银行it人怎样转型
- 汽车|冬天怎样让车内温度快速升高？座椅加热的最佳使用方式二，外循环的作用总结
- 怎样进入通信行业
- 怎样评价扶他柠檬茶的小说《云养汉》的结尾
- 怎样成为一名合格的Python程序员?
- 怎样评价华为、诺基亚、中兴中标中国移动高端路由交换设备扩容集采
- 怎样评价类似前橙会、百老汇、南极圈这样类型的离职帮抱团，对企业的积极意义和消极意义