SLAM
文章平均质量分 94
dulu_202
这个作者很懒,什么都没留下…
展开
-
【基于视觉语义特征的室外SLAM建图算法研究】
首先什么是语义SLAM,我们知道传统的视觉SLAM是基于关键点、描述子等低级图像特征来进行定位和建图的,那么对于一些更高层次的带有明确意义的语义信息,比如现实世界中真实的物体,将它作为特征来进行优化的SLAM就称为语义SLAM,它更接近于人类的感知,因为人类对地图的观测不是看一堆点云的点,或者位姿的四元数,人类看的地图,就是这里有地铁站,那前里有红绿灯。现如今语义SLAM的工作主要分为semantic mapping和real semantic slam,语义建图中一部分工作就是将2D图像的语义分割结.原创 2022-04-15 16:45:15 · 7172 阅读 · 3 评论 -
【SLAM模块】g2o 曲线拟合实例
g2o优化库的使用,附带一个曲线拟合实例的实操代码原创 2022-02-11 00:32:02 · 2832 阅读 · 0 评论 -
【论文精读】Hybrid Bird‘s-Eye Edge Based Semantic Visual SLAM for Automated Valet Parking
本文提出了一种基于鸟瞰图像混合边缘提取的语义视觉SLAM框架,该框架可应用于AVP任务。一方面,与传统的稀疏点特征相比,边缘特征更密集,更稳健。另一方面,与现有的的语义道路标记点云相比,我们的分割方法只需要粗糙的自由空间标注进行训练,而不需要对道路标记进行耗时费力的标注。通过利用IPM的失真效应,所提出的分割方法可以滤除大部分噪声炫光边缘和失真物体边缘。以提取的边缘作为输入,建立了一个可视化的SLAM系统,并对地下车库的实际数据进行了评估。原创 2022-01-19 13:22:50 · 3218 阅读 · 0 评论 -
【论文精读】AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot
【论文精读】 AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot论文出处IROS2020摘要自动代客泊车是自动驾驶的一种特殊应用。在这项任务中,车辆需要在狭窄、拥挤和无gps的停车场中导航。准确的定位能力是非常重要的。传统的基于视觉的定位方法会由于在停车场中缺少纹理、以及重复的结构和场景的变化而导致跟踪容易丢失。本文使用了鲁棒的语义特征来构建地图,并在泊车时用语义信原创 2022-01-12 18:04:28 · 3922 阅读 · 0 评论 -
【论文精读】AVP-Loc: Surround View Localization and Relocalization Based on HD VectorMap for AVP
定位是自动代客泊车的关键前提,汽车需要在无gps信息的停车场自动导航,传统的视觉定位方法通常会构建一个特征地图,并将其用于后边的定位。然而,特征地图对于光照、纹理和观察视角不够鲁棒。为了处理这个问题,我们需要一个更加稳定的地图。本篇文章,我们直接使用停车场的高清矢量地图进行定位,这种矢量表现形式很稳定但也在数据关联中带来了挑战。为此,我们提出了一种新的数据关联方法来匹配环视图像和高清矢量图,此外,我们还提出了一种利用矢量图中独特的道路标志组合来进行封闭形式重定位的策略。原创 2022-01-13 20:35:45 · 3845 阅读 · 1 评论