slam
文章平均质量分 94
lucas1997
这个作者很懒,什么都没留下…
展开
-
Neuronal Circuit Policies
对线虫的抽头撤回(TW)神经回路进行建模,该回路负责蠕虫,对机械触摸刺激的反射反应。该电路称为抽头抽头(TW),它包含9个神经元类,这些神经元类通过化学和电突触连接在一起。然后预测了电路的突触极性(是兴奋性的还是抑制性的),这表明在存在触摸刺激的情况下,电路实现了前向和后向反射之间的竞争行为。实现三个任务:1.倒立摆的控制 2、控制汽车登上陡坡 3.泊车我们在这项工作中的主要贡献是证明在标准控制和RL设置下,秀丽隐杆线虫脑的紧凑神经元回路模型作为可解释的连续时间递归神经网络的性能。在我们的实验评估中,原创 2020-11-24 18:56:17 · 863 阅读 · 1 评论 -
【泡泡机器人转载】SLAM: 现在,未来和鲁棒年代
摘要SLAM是由同步环境地图构建和运行于其中的机器人状态估计组成。SLAM领域过去30年取得了令人瞩目的成就,其在大场景应用成为了可能,这一技术被见证了成功地被应用于工业领域。本文中,我们研究了SLAM最新进展,从SLAM形成的事实标准开始讲解,回顾了相关工作,这涵盖了一系列广泛的主题,包含长时间建图过程中的鲁棒性和尺度问题,建图过程中的特征和语义表示,理论上的性能保证,主动SLAM和其扩展,还有其他前沿课题。这篇文章为非专家读者提供了一个指南。这是一篇标志性的论文:本文以批判的眼光看待已有的研究成果,转载 2020-07-13 16:34:08 · 1392 阅读 · 0 评论 -
ElasticFusion解析资源
泡泡机器人ElasticFusion讲解PPT:http://pan.baidu.com/s/1eSDuhZsElasticFusion 解析https://blog.csdn.net/fuxingyin/article/details/51433793ElasticFusion 中的 Randomized Ferns 重定位/回环检测 论文和代码解析https://blog.csdn.net/fuxingyin/article/details/51436430...转载 2020-07-13 13:37:55 · 569 阅读 · 0 评论 -
EM-Fusion: Dynamic Object-Level SLAM
主要内容面向动态环境的物体级别RGB-D SLAM系统,Fusion++(robot L:【论文阅读2】Fusion++: Volumetric Object-Level SLAM)的动态场景扩展版本,具体改进如下:使用期望最大法(EM)的框架解决SLAM问题。 E步:作者结合Mask R-CNN的实例分割和几何信息(像素的SDF值),计算每个像素属于每个物体的概率,见公式(7)。归一化后,进一步得到每个像素属于每个物体的归一化概率,即关联似然,见公式(5)。 M步:使用深度图片和SDF物体地图原创 2020-07-11 09:23:43 · 751 阅读 · 0 评论 -
StaticFusion
主要内容面向动态环境基于面元的RGB-D SLAM系统,主要内容如下:同时估计RGB-D相机位姿并分割当前帧图片中的静态像素。将当前帧像素的静态概率当做一个取值范围为的连续变量,和位姿一起联合优化。 构建静态场景的面元地图。为此,地图中的每个面元添加额外的生存能力项,由对应观测像素的静态概率决定。如果生存能力过小,则表明该面元属于动态面元,从地图中移除该面元。 代码地址:raluca-scona/staticfusion。缺点初始若干帧内不能有大量动态物体,这样才能保证初始静态场景面元..原创 2020-07-11 09:23:58 · 402 阅读 · 0 评论 -
DynaSLAM
摘要假设环境刚体性在SLAM算法中是典型的。这种强假设限制了大多数SLAM在真实环境中的使用,这是一些相关应用的目标,如服务机器人或自动驾驶。Bescos等人展示了DynaSLAM,一种视觉SLAM系统,建立在ORB-SLAM2上,增加了动态物体检测和背景修补。DynaSLAM在动态场景中是鲁棒的。作者能够通过多视图几何,深度学习或者两者同时来检测动态物体。得到的静态场景地图允许修补被动态物体遮挡的帧背景。DynaSLAM 超过了标准SLAM的表现在高动态环境中。同时,它也估计了环境静态部分的地图,对于原创 2020-07-10 20:42:14 · 1642 阅读 · 0 评论 -
Surfel-based Mapping: SemanticFusion
摘要使用视觉感知得到更鲁棒,准确和细节的建图已经被证明是移动机器人在许多应用中的促成因素。对于机器人智能和用户交互的下一个阶段,地图需要从几何和外观上进行拓展——它们必须包含语义。McCormac等人通过组合CNNs和SOTA SLAM系统ElasticFusion,提供了室内RGB-D视频序列间的长期稠密对应。这些对应允许多视角的CNN的语义预测通过概率融合到地图中。这不仅提供了一个有效的语义3D地图,而且在NYUv2数据集上展示出融合多个预测提高了2D单帧语义标号的准确性。系统能够实时运行,达到25原创 2020-07-10 20:28:12 · 935 阅读 · 0 评论 -
Point-based Semantic Monocular SLAM
主要内容在ORB-SLAM中添加直接法。 利用每帧中每个特征点的测量信息:深度测量(三角化结果),语义标号(CNN输出)和特征点匹配精度(公式(13)(14)),维护每个特征在地图中的性质:深度,语义标号,和内点率(属于静态物体的概率)。维护过程以概率方式而非简单的加权平均方式来完成。 在相机位姿估计中,只使用内点率较高(推断为静态物体)的ORB特征点。N. Brasch, A. Bozic, J. Lallemand, F. Tombari. Semantic Monocular SLAM fo原创 2020-07-10 20:04:41 · 263 阅读 · 3 评论 -
SuMa++: LiDAR-based Semantic SLAM
主要内容基于语义的3D LiDAR SLAM。利用每帧点云中逐点的语义标号,建立全局语义地图。特别地,主要创新点在于利用语义信息滤除动态物体并改变ICP的残差权重,从而提高定位和建图的精度及地图的整洁性(去除了动态残影)。主要贡献单帧点云逐点的精修语义标号 通过检查当前帧观测点的语义标号和地图中关联面元的语义标号的一致性,滤除地图中的动态面元 未通过上述一致性的关联,在点面ICP中减少该残差的权重。X. Chen, A. Milioto, E. Palazzolo, P. Giguere,原创 2020-07-10 19:25:41 · 459 阅读 · 0 评论 -
Meaningful Maps With Object-Oriented Semantic Mapping
基于RGB-D数据的语义建图(SLAM帮助语义)。具体过程如下首先利用SSD执行单帧RGB图片(2D)物体检测。 接着基于检测结果和深度信息,利用3D分割算法进一步分割3D点云。 最终利用ORB-SLAM2的相机位姿信息将每帧的3D点云分割结果合并到地图中,建立语义点云地图。特色:非物体只维护点云,物体维护点云和类别标号。 点云分别在每个观测帧中维护。好处是闭环后点云也可以跟着观测帧的位姿变化。 语义更新:简单累加,取最大值。未来工作语义帮助SLAM。利用语义信息提高SLAM的精度,原创 2020-07-10 19:04:33 · 434 阅读 · 0 评论 -
Object-based Semantic SLAM: MID-Fusion
主要内容利用RGB-D相机估计:相机位姿 物体几何信息。每个物体维护一个octree,树中存储该物体的多种几何信息,如TSDF值。 物体语义信息。属于每类物体的概率。 物体运动信息。是否运动。 物体位姿信息。6DoF位姿。创新点相机和物体跟踪:使用测量不确定性加权[19]。 单帧RGB图片的物体的掩膜分割:Mask R-CNN实例分割+Maskfusion的边缘精修。 基于体素的物体模型:包含符号距离函数(SDF),密度,前景概率和对应的权重。 单帧掩膜与现存物体模型的关联:考虑原创 2020-07-10 18:56:35 · 494 阅读 · 0 评论 -
SegMatch: Segment based place recognition in 3D point clouds
R. Dube, D. Dugas, E. Stumm, et al. SegMatch: Segment based place recognition in 3D point clouds.IEEE International Conference on Robotics and Automation, 5266-5272, 2017.摘要Dube等人首次提出基于分割的3D点云场景识别方法。与局部(基于关键点)和全局(基于全局描述子)的场景识别方法不同,基于分割的场景识别方法既考虑了局部特征,.原创 2020-07-10 17:02:50 · 795 阅读 · 0 评论 -
Fusion++: Volumetric Object-Level SLAM
主要内容本文提出了一种物体实例级别的基于体素的语义SLAM系统, 主要内容包括:对每个物体实例维护一个TSDF体素地图. 对非物体(背景)维护一个TSDF体素地图,使用KinectFusion进行局部跟踪. 基于物体的重定位方法. 包含相机位姿和物体位姿的因子图优化. 包含相机位姿-物体位姿和相机位姿-相机位姿约束不足假设静态场景摘要McCormac等人提出了一种在线的物体级别的SLAM系统,能够建立持续准确的任意物体的3D地图。一个RGB-D相机在一个杂乱室内环境中运动,Mask原创 2020-07-10 16:43:18 · 738 阅读 · 0 评论 -
SLAM++: Simultaneous Localization and Mapping at the Level of Objects
R. F. Salas-Moreno, R. A. Newcombe, H. Strasdat, P. H. Kelly. SLAM++: Simultaneous Localization and Mapping at the Level of Objects.IEEE Conference on Computer Vision and Pattern Recognition, 1352-1359, 2013.主要内容本文主要贡献是提出了一种物体辅助SLAM中相机定位的方法.主要内容如下:K.原创 2020-07-10 16:23:19 · 1371 阅读 · 3 评论 -
SLAM综述性论文阅读手记
==1 简介== 古典年代(1986-2004):这一时期,引入了SLAM概率论推导方法,包括基于扩展卡尔曼滤波、粒子滤波和最大似然估计。第一个挑战是效率和数据关联(求解位姿)的鲁棒性问题。 算法分析年代(2004-2015):有许多SLAM基本特性的研究,包括可观测性,收敛性和一致性。研究者们理解了稀疏特征在高效SLAM解决方案中的重要角色,开发了主要开源SLAM库。 以下为主要的综述文献: 【2006】 《Simultaneous localization and mapping: part转载 2020-06-12 23:38:23 · 4082 阅读 · 0 评论 -
DSO在Euroc上运行经验贴
网上DSO基本上都是在TUM数据集上跑得,教程也比较多,写论文需要,使用DSO跑了一下Euroc数据集,踩了很多坑,花了一天的时间才调通,记录一下。本机运行环境:Ubuntu16.04 其它环境只要安装过ORB-SALM2的应该不用做额外的配置1.安装DSO,教程很多,不做赘述,不过ziplib这个包需要注意,如果图片数据集是以zip格式存储方式进行读取的话需要安装这个包,当然直接建一个文件夹放图片也行。2.按照教程运行DSO,运行Euroc数据集的命令为 ./dso_dataset f原创 2020-05-24 02:10:00 · 2037 阅读 · 7 评论 -
深度学习结合SLAM 研究现状总结
深度学习结合SLAM 研究现状总结深度学习结合SLAM 语义slam 语义分割 端到端SLAM CNN-SLAM DenseSLAM orbslam2 + ssd LSD-SLAM + CNN SemanticFusion Mask1. 用深度学习方法替换传统slam中的一个/几个模块: 特征提取,特征匹配,提高特征点稳定性,提取点线面等不同层级的特征点。 深度估计 位姿估计 重定位 ...转载 2020-05-22 15:55:03 · 2508 阅读 · 0 评论 -
相机两种曝光方式的优劣:全局曝光和卷帘曝光
全局曝光和卷帘曝光是常见的相机曝光方式。一般来说,CCD相机是全局曝光,而CMOS相机则存在卷帘曝光。那么,这两种方式孰优孰劣呢?或者说,他们两者的差别在哪里呢?那么,先从两者的定义说起。全局曝光 全局曝光的方式比较简单。也就是说光圈打开后,整个图像芯片同时曝光。因此,曝光时间与机械的开关速度有关。既然与机械运动相关,所以,存在理论上的最小曝光时间。卷帘曝光 顾名思义,卷帘曝光的...原创 2020-03-25 21:02:38 · 5778 阅读 · 0 评论 -
由ORB-SLAM引发的线程和进程的思考
近期博主作为一个小白在家魔改orbslam,orbslam的整体架构如下:那么ORB-SLAM源码中这几个线程交替进行,当多个线程同时访问同一个资源的时候,就会存在一个问题,即多个线程的冲突。多线程同步和互斥有几种实现方法,都是什么? 线程间的同步方法大体可分为两类:用户模式和内核模式。顾名思义,内核模式就是指利用系统内核对象的单一性来进行同步,使用时需要切换内核态与用户态,而用户模式就是...原创 2020-03-13 23:12:31 · 655 阅读 · 0 评论 -
ORBSLAM单目Euroc数据集的读入文件详解
ORBSLAM的数据读入分为三种,ROS, OPENCV,摄像头。博主只需要读数据集,以Euroc.cc为例看一下ORB-SLAM2的读取数据方法。/*** This file is part of ORB-SLAM2.** Copyright (C) 2014-2016 Raúl Mur-Artal <raulmur at unizar dot es> (Universi...原创 2020-03-12 21:18:30 · 954 阅读 · 0 评论 -
ORB-SLAM 单目数据集的运行与评价
https://blog.csdn.net/gaoyuzhong123/article/details/103211830转载 2020-03-03 14:14:53 · 420 阅读 · 0 评论 -
ORB-SLAM2编译时CXXABI_1.3.11’未定义的引用错误
在学习orbslam2的过程中,输入./bash.sh命令进行编译的过程中出现了以下错误,百度上好像没有人遇见过这种错误:/home/jqli/anaconda3/lib/libtbb.so.2:对‘__cxa_init_primary_exception@CXXABI_1.3.11’未定义的引用/home/jqli/anaconda3/lib/libtbb.so.2:对‘std::__ex...原创 2020-02-28 16:03:00 · 3169 阅读 · 0 评论