SLAM与深度学习结合的论文总结

最新推荐文章于 2024-02-23 21:16:00 发布
最新推荐文章于 2024-02-23 21:16:00 发布
阅读量2.4k 收藏 27
点赞数 1
分类专栏： 深度学习 SLAM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/c_ja_/article/details/84717181
版权
这篇博客总结了深度学习如何应用于SLAM系统，包括用深度学习替换传统模块和语义SLAM的探索。文章介绍了多个研究，如用深度学习进行端到端视觉里程计、稠密对应估计、场景理解和3D语义映射。这些工作展示了深度学习在解决视觉定位、语义标注和数据关联等问题上的潜力。
摘要由CSDN通过智能技术生成

用深度学习取代某一个模块

1 DeepVO  Towards End-to-End Visual Odometry with Deep RecurrentConvolutional Neural Networks

关键词：单目， 端到端，

输入RGB图像序列（视频流），输出位姿，在KITTI VO数据集上也做了实验。CNN提取特征，RNN建时序模型。

只是一个尝试，无法取代传统的SLAM

2  Self-supervised Visual Descriptor Learning for Dense Correspondence

关键词：稠密一致性估计，自动标签，全卷积

学习一个非线性函数：将M*H图像映射为长度为D的稠密描述子，每一个像素都表示为一个向量。利用KinectFusion或DynamicFusion生成标签

<
最低0.47元/天 解锁文章
GISer_gj
关注
专栏目录
计算机视觉与深度学习 | SLAM国内外研究现状
尘世冰封的专栏
10-10 1459
随着计算机技术和电气电子技术的进步，机器人在制造业、医疗、教育、服务业等领域得到广泛应用。正如图1.1所示，机器人在汽车、电子、食品等制造业中得到广泛应用，可以完成物品装配、危险物的搬运与喷涂、精密焊接等工作，提高生产效率。同时减少人员受伤的风险，取代一些繁琐、重复、危险或需要高精度的工作，减少人力劳动，释放人力资源，提高产品质量。在医疗行业中，机器人可以用于手术、康复、护理、病房管理等方面，为患者提供更安全、精确和高效的医疗服务。在农业领域中，机器人可以用于作物种植、喷洒农药、采摘、运输等方面，提高农业生
SLAM学习总结
Lianjie_Xue的博客
12-16 8263
我原来是做机器人的，上个月开始搞机器人的即时定位与导航，到现在已经有一个月了，这期间主要就是学习了机器人操作系统（ROS）的基本使用方法，现在将自己的一点心得总结一下。 SLAM（simultaneous localization and mapping）也叫即时定位与导航，最早由Hugh Durrant-Whyte 和 John J.Leonard提出。SLAM主要用于解决移动机器人在未知环境中
当前深度学习和 SLAM 结合有哪些比较好的论文
qq_40213457的博客
08-03 2100
I. 相机重定位（Relocalization） Deep Learning 和 SLAM 结合的开山之作 ，剑桥的论文：PoseNet 。该方法使用 GoogleNet 做了 6 自由度相机 pose 的 regression。训练数据是带有 ground truth pose 的场景帧。 图 1. PoseNet，第一行是原图，第二行是根据所估计的相机姿态做 3D 重建后的场景图，第三...
2019基于Deep Learning深度学习的各类SLAM论文算法汇总
图像算法Imalg的博客
07-25 3392
我们总结了ICRA 2019 SLAM相关论文，分为四个部分： 深度学习+传统SLAM 传统的SLAM / 3D视觉 基于深度学习的SLAM SLAM评估和数据集 本文介绍：基于深度学习的SLAM 1.E2E-VO/ SLAM GEN-SLAM：单目同时定位和映射的生成建模 关键词：SLAM，本地化，基于视觉的导航 超越自我监督自我运动估计的光度损失（深度学习，自我监督深度和里...
slam特征点深度 svd_ICRA 2020 中的SLAM论文汇总（一）VSLAM
weixin_39636411的博客
12-08 479
点击上方“计算机视觉life”，选择“星标”快速获得最新干货趁着 ICRA20 还没结束(在线论文集开放到8月底)，我和高仙机器人的赵敏同学人肉扫描了一遍 SLAM 和 Localization 主题下的所有论文，每篇文章写了一点摘要，大致做了归类，希望能帮各位节省一点时间。虽然摘要基本不含主观评价，但摘取的信息必然受个人口味影响，仅供参考。一共84篇，人肉整理，不保证没有遗漏。原文请自...
Python-SLAM开发学习资源与经验分享
08-11
SLAM 开发学习资源与经验分享
SLAM求职和学习经验
不分解的单应矩阵
05-06 277
SLAM求职和学习经验 SLAM要不要学？ 行业融资健康 SLAM算法岗20 - 40 k 导师影响力 ---- 无 团队 ----- 无团队 不要自己一个热闭门造车 毕业要求 发论文要求高 个人兴趣 — 研一比较晚 SLAM怎么学习 2018.04 接触SLAM14讲代码手敲，理论推导一遍 2018.07参加sl...
SLAM相关论文与研究方向
hai008007的博客
05-26 5076
[1]陈卫东, 张飞. 移动机器人的同步自定位与地图创建研究进展[J]. 控制理论与应用, 2005, 22(3):455-460.[2]Cadena C, Carlone L, Carrillo H, et al. Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robust-Perce...
基于深度学习的CNN_SLAM视觉定位系统设计源码
最新发布
04-17
本项目是深度学习在视觉定位系统中的应用，具体实现了CNN_SLAM，即卷积神经网络同步定位与映射。该系统基于论文“CNN SLAM: Real-Time Dense Monocular SLAM with Learned Depth Prediction”...
3d slam相关论文学习
07-25
- 结合深度学习的特征提取与匹配方法。 - 针对特定环境（如室内、室外、地下）的3D SLAM方案。 - 闭环检测和重定位技术的创新。 通过深入学习这些论文，初学者可以逐步建立起对3D SLAM的理解，从基础理论到实际...
语义SLAM相关论文的一些总结
11-11
本篇文章将对语义SLAM的相关论文进行详细总结。 首先，我们来理解SLAM的基本概念。SLAM是指机器人在未知环境中移动时，同时构建地图并确定自身位置的过程。早期的SLAM方法主要依赖于几何特征，如边缘、角点等，但...
SLAM经验分享：少年不惧岁月长
soaring_casia的专栏
09-20 368
在实验室学了这么久，从最初报名深蓝学院高翔博士的视觉SLAM基础课开始，我正式踏足SLAM的学习之路，跟随课程的学习一步一步地推导公式，比如相机的运动求解R、t，图像中特征的提取，扩展卡尔曼滤波理论及集束调整BA等一系列公式，确实感觉到了SLAM理论的强大，在这过程中为我后续学习SLAM打下了坚实的数学基础。项目：这一块的话就因人而异了，比如我这种和视觉惯导相关的，就会问一些关于相机在线标定，传感器延时估计和时间戳对齐相关的东西，具体还是看自己接触的项目。彼方尚有荣光在，少年不惧岁月长！
SLAM知识体系总结与个人入门线路分享
qq_44144025的博客
06-26 1334
/* 截止今日终于粗略地读完了高翔的《视觉SLAM十四讲》（入门第一步！），其中一些方法、优化、以及编程实践都还没有学习。不过对SLAM也算大体有了一些认知，对学习路径也有了一定的规划，在这里通过经典视觉SLAM框架，和大家分享一些经典入门书籍与个人认为比较好的课程。 以下规划了11个需要学习的知识体系，并给出入门书籍或课程。其他还有许多小点没有列举出来，只有大内容被罗列了出来，每一项都需要花时间去了解。 */ 经典SLAM框架： 传感器数据： ...
slam学习(1)——卡尔曼滤波
feidaji的博客
08-07 1346
卡尔曼滤波 作用 根据机器人上个时刻的状态估计出这个时刻的机器人状态(估计值)。然后根据在这一时刻传感器的观测值，来纠正更新估计值，等到更精准的置信值 前提假设 1. 卡尔曼滤波算法认为当前状态与上一时刻的状态是线性关系，即 由于这个式子中包含噪声，所以无法准确的求出当前状态 ，但是我们可以求出 的概率分布，然后把这个概率分布的均值作为当前状态的估计，卡尔曼滤波就是根据这个思想，它算在当前的观测数据条件下的...
DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks--Sen Wa
xu.hyj
03-06 1076
[1] Wang S , Clark R , Wen H , et al. DeepVO: Towards end-to-end visual odometry with deep Recurrent Convolutional Neural Networks[J]. IEEE, 2017. 针对以往的使用深度学习解决视觉里程计中，只在帧间预测pose，没有充分利用连续帧的问题，本文使用CNN+RCNN(LSTM)实现了充分利用序列帧的信息，实现了很好的效果。 1、整体结构2、CNN部分3、RNN部分.
DeepVO：通过深度循环卷积神经网络实现端到端的视觉里程计
huarzail的专栏
07-16 1410
使用深度递归卷积神经网络(RCNNG)，提出了一种新颖的端到端单目VO的框架。由于它是以端到端的方式进行训练和配置的，因此它可以直接从一系列原始的RGB图像（视频）中计算得到姿态，而无需采用任何传统VO框架中的模块。
【论文阅读】DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks
博客标题不能为空我也没办法
02-23 1208
端到端的视觉里程计，采用CNN提取特征，使用LSTM进行位姿推理
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值