直播地址：https://wx.vzan.com/live/tvchat-1568600712?shareuid=217383157&vprid=0&sharetstamp=1605593596637#/
异构的特征：除了基础的点线特征之外，还引入了Object语义信息；
融合了相机、IMU、轮速计和雷达，是为了保证鲁棒性，因为对于极智嘉来说长期稳定运行是最基础的要求；
框架包括Mapping, Localization, Map Management三个部分；
首先是所有的传感器同步，然后Mapping使用VIO得到位姿，Mapping过程进行局部BA和图优化，我在这里有一个问题：极智嘉那边没有用激光SLAM的里程计来获取位姿吗？仅仅依靠VIO就足够了吗？
在建图的过程中，构建基于深度学习的实时语义地图，能够检测到动态的目标，比如行人和一些临时货物，然后可以将这些目标从地图里面去掉；此外，还检测一些静态的目标，比如一些柱子和货架，然后增大这些目标的权重，用来构建或者更新地图；
感觉他们的动机是更新地图，通过语义信息来得到一些地图中的landmark，来得到可靠的地图；不会因为一些临时物品来错误的更新地图。
极智嘉的地图是一个异构地图，包括视觉的特征点地图、激光的栅格地图以及物体的语义地图，多层地图是为了应该环境改变而建立的。
Localization部分就是根据传感器采集到的特征，与建好的地图进行匹配来定位，所以这应该不算是SLAM的过程，但是Mapping是一个SLAM的过程；
激光：全局一致性比较好，尺度比较准，但是局部是抖动的；
视觉：尺度漂移，局部非常平滑精度比较高；
使用优化的方法，来将激光建好的栅格地图和视觉建的特征点地图进行联合优化，来提升地图的精度。这个也不是SLAM的过程，感觉就是一个离线的，使用激光地图和视觉地图来融合得到精度更高的轨迹，是一个离线的修轨迹的行为？
动态物体剔除。
多层地图融合
