内参不稳定的研究论文

答：优势: 在静态环境下定位准确，稳定，单目和双目版本都可以达到实时(高于10frames/s)。代码可读性强，易扩展，网上也有实现和imu融合的版本。
劣势：建的地图点云稀疏。运行速度方面，因为提特征点的时间有瓶颈最快的运行速度应该不超过30frames/s, 我在本机 (i7-6600U) 测的速度基本都在20frames/s左右，因此对于高帧率的相机需要降帧率才能用。对动态物体很敏感，再有动态物体时非常容易tracking lost。
总的来说ORB-SLAM还是在智能驾驶领域用得最广泛的SLAM算法，因为它在work的时候可以做得很好，急需解决的问题是对特征点提取的加速，以及处理的环境中的动态物体。
答：我觉得 ORB-SLAM3 系统是基于之前的 ORB-SLAM2、ORB-SLAM-VI 进行扩展。作者组的工作一脉相承，围绕着 ORB feature-based SLAM 做了非常多有重大意义的工作。本文其中在一些重要改进模块，如 IMU 初始化、multi-map system 等，是作者组里前几年的工作。我认为这是一篇更加偏向于系统性质的文章，把这么多工作串了起来，并且作者非常慷慨的把它开源了出来，非常赞！

答：视觉注意在机器人上的应用主要是目标定位、目标识别以及目标跟踪等。视觉注意一般分为自上而下的视觉注意和自上而下的视觉注意；对于在机器人上的应用主要是自上而下（目标驱动）和自下而上（早期视觉特征）在什么时间以什么方式如何很好的结合。
答：根据我在广东粤为工业机器人学院学习的知识所知：视觉注意在机器人上的应用主要是目标定位、目标识别以及目标跟踪等。视觉注意一般分为自上而下的视觉注意和自上而下的视觉注意；对于在机器人上的应用主要是自上而下（目标驱动）和自下而上（早期视觉特征）在什么时间以什么方式如何很好的结合。

答：三峡学院在万州离重庆主城较远学校是二本院校。有些偏了
个人觉得你可以选择重庆科技学院重庆工商大学重庆理工大学这些二本院校这些院校都在主城，可以较快接触前沿信息，也方便和其他院校学生之间交流。