关注并星标
从此不迷路
计算机视觉研究院
公众号ID｜ComputerVisionGzq
学习群｜扫码在主页获取加入方式
计算机视觉研究院专栏
作者：Edison_G
今年春节前，波士顿动力机器人又在朋友圈炸场了！
当工人需要工具包时，机器人迅速定位到工具包，携带工具包自主搭桥、上楼梯，动作敏捷高效。然后，其将工具包扔给工人，完成任务后体操式前空翻落地，一气呵成！
这不是波士顿动力人形机器人Atlas的第一次秀了，一年多前，Atlas展示了在一系列倾斜木板还有木箱垒成的阶梯的复杂场景中跑酷，如履平地，表现甚至超越人类。
波士顿动力机器人为什么这么智能？它是如何像人一样可以在复杂的环境下自主运动的呢？
其背后的核心技术之一就是机器人感知。
Atlas头部安装的深度相机以15帧每秒的速度生成环境的点云，然后用提供的环境地图确定自己在空间中的位置和姿态，同时感知环境中的障碍物和平面。
这是机器人能够准确完成自主运动的关键技术。
机器人自主运动离不开最近几年非常火的机器人同步定位与建图（Simultaneous Localization and Mapping，SLAM）技术。
SLAM技术最早应用于潜艇、太空车等军用领域，之后逐渐进入民用领域。
最近几年学术界诞生了大量优秀的SLAM算法框架，并且随着三维传感器的飞速发展和嵌入式设备算力的快速提升，SLAM技术开始大规模商业化应用，包括但不限于服务机器人、自动驾驶车辆、增强现实智能穿戴设备、智能无人机等。
下面是当前主流视觉惯性SLAM的对比：
主流视觉惯性SLAM对比
学习SLAM的优选好书
目前SLAM相关的书籍比较少，虽然它们涵盖了该领域的核心知识点，公式推导严谨，有的还配套有重要概念的代码实现。
但是，很多初学者在掌握了SLAM基础知识后发现距离真正的项目实践还有较大差距，他们对于如何开始自己的第一个SLAM项目实践比较迷茫。
《视觉惯性SLAM：理论与源码解析》则致力于解决这个问题，本书选取了经典的视觉SLAM框架和目前综合效果最好的视觉惯性SLAM框架进行庖丁解牛，引导读者循序渐进掌握自己的第一个SLAM项目。
开源代码配套详细的中文注释
如果喜欢本文
欢迎 在看丨留言丨分享至朋友圈 三连快在留言区大声告诉我们
截止3月15日晚24点
包邮送3本价值新书
参与方式：本文留言区留言想要这本书的理由（需要和本书内容相关，否则不会精选），截止时间点赞排名前3名即可获得。
END
计算机视觉研究院学习群等你加入！
ABOUT
计算机视觉研究院
计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、图像分割、模型量化、模型部署等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！
VX：2311123606
扫一扫
413
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
