目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】SLAM

目录

前言

 算法原理

事件相机SLAM

一、事件相机vSLAM介绍

二、具体研究进展及讨论

三、实验对比

四、挑战与展望

开源视觉 SLAM 方案

一、Geometric SLAM（23 项）

二、Semantic / Depp SLAM（16 项）

三、Multi-Landmarks / Object SLAM（15 项）

四、Sensor Fusion（19 项）

五、Dynamic SLAM（8 项）

六、Mapping（21 项）

七、Optimization（6 项）

应用案例

基于远程数据处理的智慧城市机器人视觉SLAM

---

 

前言

视觉SLAM (vSLAM)是指移动机器人通过相机感知外部世界并估计机器人的位姿和重建周围环境的三维地图。vSLAM在各种应用中扮演着不可或缺的角色，包括自动驾驶，机器人导航和增强现实。例如，在机器人导航里，vSLAM能够提供环境信息和机器人的位置来帮助它到达指定的地点。vSLAM通常利用传统的RGB相机获取图片信息。然而传统的相机局限于低动态感光范围和运动中产生的动态模糊，而无法在复杂的场景下得到精准的位姿估计和三维重建结果。近年来，基于一种新的仿生相机，即事件相机，相应的vSLAM算法被相继提出。该类方法利用事件相机的高帧率、高动态感光范围、低能耗、低延迟等特性在一些复杂的场景下也能得到了非常优异的结果。

 算法原理

事件相机SLAM

本文总结的方法细节、数据集、实验与评估的结果都已在线公开并会保持更新，详情请见链接https://github.com/kun150kun/ESLAM-survey。