目录
7. 中科院自动化研究所国家模式识别实验室Robot Vision Group
9 加拿大谢布鲁克大学IntRoLab(智能/互动/综合/跨学科机器人实验室)
11. 华盛顿大学UW Robotics and State Estimation Lab
13. 麻省理工大学计算机科学与人工智能实验室(CSAIL)海洋机器人组
14. 卡内基梅隆大学Robot Perception Lab
SLAM领域著名实验室
1. 苏黎世联邦理工学院
Autonomous System Lab,该实验室主要方向是创建机器人和智能系统,使其能在复杂环境下自主运行。他们还在tango项目上与谷歌合作,负责视觉惯导的里程计,基于视觉的定位和深度重建算法。
网址:http://www.asl.ethz.ch/
2. 明尼苏达大学
的Multiple Autonomous Robotic Systems Laboratory(MARS),其主要研究方向包括:视觉/激光辅助惯性导航系统、手机和可穿戴计算机上的大规模3D定位和映射、多机器人/传感器定位,映射和导航、可重构传感器网络的主动传感、最佳信息选择和融合、移动操作、人机合作等。
网址:http://mars.cs.umn.edu/
3. 慕尼黑工业大学
的The Computer Vision Group,主要研究基于图像的3-D重建,光流估计,机器人视觉,视觉SLAM等。
网址:https://vision.in.tum.de/research
4. 香港科技大学
的Aerial Robotics Group,主要研究基于无人机的视觉惯导紧耦合算法。代表作品:VINS-Mono,一个单目视觉惯导系统的实时SLAM框架,其代码已经开源在
https://github.com/HKUST-Aerial-Robotics/VINS-Mono
上。做视觉惯导融合的小伙伴们一定不要错过~
网址:http://uav.ust.hk/
http://uav.ust.hk/
简介:开发基础技术,使航空机器人(或无人机,无人机等)能够在复杂环境中自主运行。研究涵盖了整个航空机器人系统,重点关注状态估计,绘图,轨迹规划,多机器人协调以及使用低成本传感和计算组件的测试平台开发。
实验室主要成果
(http://uav.ust.hk/publications/)
VINS-Mono:
一种鲁棒且通用的实时单目视觉惯性状态估计框架。
VINS-Fusion:
VINS-Fusion是一种基于优化的多传感器状态框架,可实现自主应用(无人机,汽车和AR / VR)的精确自定位。VINS-Fusion是VINS-Mono的扩展,支持多种视觉惯性传感器类型(单声道摄像机+ IMU,立体摄像机+ IMU,甚至仅限立体声摄像机)。
代码地址:
https://github.com/HKUST-Aerial-Robotics/VINS-Fusion
5. 浙江大学
的CAD&CG国家重点实验室。该实验室在SLAM、AR、三维重建等领域有较大的贡献。其中章国峰教授课题组主攻方向就是视觉SLAM以及三维重构。下面送上章国峰教授的个人主页
http://www.cad.zju.edu.cn/home/gfzhang/
,大家可以在这里找到章国峰教授的研究成果。
网址:http://www.cad.zju.edu.cn/zhongwen.html
简介:CVG的主要研究兴趣集中在运动结构,SLAM,3D重建,增强现实,视频分割和编辑。
实验室主要成果
(http://www.zjucvg.net/publication.html#)
RKSLAM:
用于AR的基于关键帧的鲁棒单目SLAM系统
L S-ACTS:
大型自动相机跟踪系统,可以处理大型视频/序列数据集
源码地址:
https://github.com/zju3dv/ENFT
https://github.com/zju3dv/SegmentBA
https://github.com/zju3dv/ENFT-SfM
ACTS: 自动相机跟踪系统
可以从视频和电影序列中恢复摄像机运动和3D场景结构,提供自动跟踪的便利性。它可以高效稳定地跟踪各种摄像机运动,可以旋转或自由移动。它是许多其他计算机视觉任务的基础。
RDSLAM:
是一个实时同步定位和建图系统,它允许场景的一部分是动态的或整个场景逐渐变化。与PTAM相比,RDSLAM不仅可以在动态环境中稳健地工作,而且还可以处理更大规模的场景(重建的3D点的数量可以是数万个)。
6. 武汉大学
的Computer Vision & Remote Sensing Lab,主要方向为计算机视觉,遥感成像。其中的成员博士后吴萌,其主要方向为组合导航、基于SLAM的室内机器人导航系统研发等。附上他的个人主页:
http://cvrs.whu.edu.cn/index.php?m=content&c=index&a=show&catid=17&id=48
网址:http://cvrs.whu.edu.cn
7. 中科院自动化研究所国家模式识别实验室Robot Vision Group
http://vision.ia.ac.cn/
简介:Robot Vision Group是中国科学院自动化研究所(CASIA)国家模式识别实验室(NLPR)的一部分。该小组拥有8名教职员工和20多名博士生。学生们。该小组的主要研究活动集中在3D计算机视觉,包括摄像机校准和3D重建,姿势估计,基于视觉的机器人导航和视觉服务等。该小组主要由国家自然科学基金,国家863计划,国家973计划和中国科学院资助。除基础研究外,该小组还与国家文物局,国家远程遥感中心,国家天文台,诺基亚研究中心等合作开展视觉应用。
实验室主要成果
(http://vision.ia.ac.cn/zh/applications/index.html)
8. 清华大学自动化系宽带网络与数字媒体实验室BBNC
http://media.au.tsinghua.edu.cn/index/index/index
简介:实验室始建于2001年4月,瞄准计算摄像、脑科学与人工智能国际前沿,围绕国家重大需求,开展基础理论 与关键技术的研究。实验室现有教授3人,副教授4人,助理副教授2人,工程师3人,博士后5人,在读研究生3 0余人。实验室在国家重大仪器专项与重点项目等自然科学基金、“973”计划、“863”计划、以及省部级产学研等项 目支持下,在流媒体、立体视频、飞行器可视导航、计算摄像学、脑科学观测等方面的基础理论与关键技术上取 得突破,发表期刊与会议论文200余篇(SCI收录115篇),本领域著名国际会议ICCP、SIGGRAPH、CVPR、ICCV 等27篇以及本领域IEEE TSP、TPAMI、TCSVT、TIP、IEEE TNNLS、IEEE TVCG、IJCV、Scientific Repo rts、OSA OL等国际权威期刊上发表论文86篇(3篇IEEE亮点文章);获授权国内外发明专利145项。2006年 建立广东省教育部产学研结合立体视频研发基地、2013获建北京市多维多尺度计算摄像重点实验室;2008年获 得国家科学技术发明二等奖,2012年获得国家科学技术发明一等奖,2016年获得国家科技进步奖二等奖。研究方向有人工智能、生物智能、计算成像。
实验室主要成果
(http://media.au.tsinghua.edu.cn/index/resear/projects)
9 加拿大谢布鲁克大学IntRoLab(智能/互动/综合/跨学科机器人实验室)
https://introlab.3it.usherbrooke.ca/mediawiki-introlab/index.php/Main_Page
简介:IntRoLab是一个研究实验室,致力于研究,开发,集成和使用机电一体化和人工智能方法,设计自动和智能系统。研究活动涉及移动机器人,嵌入式系统和自主代理的软件和硬件设计以及现场评估,旨在克服与在现实生活中使用机器人和智能系统以改善生活质量相关的挑战,并且还研究如何使机器变得智能。应用领域包括服务机器人,全地形机器人,交互式机器人,辅助机器人,远程医疗机器人,汽车和手术机器人。
实验室主要成果
( https://introlab.3it.usherbrooke.ca/mediawiki-introlab/index.php/Projects)
RTAB-Map:
RTAB Map是RGBD SLAM的改进,减少了图优化和闭环检测中需要用到的结点数,保证实时性以及闭环检测的准确性,能够在超大场景中运行。
源码地址:
https://github.com/introlab/rtabmap
10. 哥伦比亚大学计算机视觉与机器人组
https://vision.cs.ubc.ca/
简介:这是世界上最具影响力的视觉和机器人团体之一。这个小组创造了RoboCup和著名的的SIFT。这一组的学生赢得了大部分AAAI语义机器人挑战赛。该小组有四名在职教师:Jim Little,Alan Mackworth,Ian Mitchell和Leonid Sigal。
实验室主要成果
(https://vision.cs.ubc.ca/publications/)
FLANN:
FLANN是用于在高维空间中执行快速近似最近邻搜索的库。它包含一系列我们发现最适合最近邻搜索的算法,以及一个根据数据集自动选择最佳算法和最佳参数的系统。
源码地址:
https://www.cs.ubc.ca/research/flann/uploads/FLANN/flann-1.8.4-src.zip
SIFT:
SIFT(尺度不变特征变换)将图像的每个局部片段转换为独立于图像比例和方向的坐标。局部不变特征允许我们在任意旋转,缩放,亮度和对比度的变化以及其他变换下有效地匹配杂乱图像的小部分。将图像分成许多不同大小的小重叠片段,然后单独匹配每个部分,并检查匹配的一致性。
源码地址:
https://github.com/robwhess/opensift
11. 华盛顿大学UW Robotics and State Estimation Lab
http://rse-lab.cs.washington.edu/
简介:RSE-Lab成立于2001年,关注机器人和识别中的问题,开发了丰富而高效的移动机器人导航,地图构建,协作和操作中的感知和控制技术,还研究状态估计和机器学习方法,用于对象识别和跟踪,人体机器人交互和人类活动识别等领域。
实验室主要成果
(http://rse-lab.cs.washington.edu/projects/)
Semantic Mapping:
该项目的目标是生成根据对象和位置描述环境的模型。这些表示包含比传统地图更有用的信息,并使机器人能够以更自然的方式与人类进行交互。
Active Mapping:
通过添加机器人来改进任何几何和语义场景重建技术:机器人可以选择如何使用其传感器来获取新信息。在主动视觉的情况下,机器人可以移动相机以观察物体的所有侧面。使用主动视觉来完成地图创建和对象分割问题。
12. 斯坦福大学人工智能实验室自动驾驶团队
http://driving.stanford.edu/
简介:实验室致力于开发在不可预测的城市环境中自动驾驶的新算法和技术。在DARPA大挑战和DARPA城市挑战中取得成功以来,实验室一直在为自动驾驶中的重要问题创建和测试各种AI解决方案。利用机器学习,计算机视觉,概率传感器融合和优化等技术,研究人员正在积极寻求语义场景理解,对象分割和跟踪,传感器校准,定位,车辆控制和路径规划方面的改进。
实验室主要成果
(http://driving.stanford.edu/papers.html)
13. 麻省理工大学计算机科学与人工智能实验室(CSAIL)海洋机器人组
https://marinerobotics.mit.edu/
简介:团队由John Leonard教授带领,研究海洋机器人解决水下环境中定位和建图问题,还在基于仅使用摄像头(有时是IMU)在室内环境中以及户外无人驾驶汽车等应用中执行Visual SLAM的工作。
实验室主要成果
(https://marinerobotics.mit.edu/research)
14. 卡内基梅隆大学Robot Perception Lab
http://rpl.ri.cmu.edu/
简介:机器人感知实验室进行与自主移动机器人的定位,建图和状态估计相关的研究。该实验室由Michael Kaess教授于2014年创立。该实验室是卡内基梅隆大学机器人研究所一部分在,并同时属于Field Robotics Center和Computer Vision Group。
实验室主要研究成果
(http://rpl.ri.cmu.edu/research/)
isam:
增量平滑和建图(iSAM),这是一种基于快速增量矩阵分解的同时定位和建图问题方法,通过更新自然稀疏平滑信息矩阵的QR分解来实现。
源码地址:
https://github.com/ori-drs/isam
未完待续,欢迎关注【计算机视觉联盟】微信公众号
SLAM领域的大牛
Andrew Davison。
点击打开链接个人主页:http://www.doc.ic.ac.uk/~ajd/index.html. Imperial College London
- 机器人视觉宗师,现任英国帝国理工学院教授,机器视觉组及Dyson机器人实验室主任,英国牛津大学博士,单目摄像头SLAM奠基人(MonoSLAM),近年来在视觉slam领域做了大量研究,著名工作包括MonoSLAM, SLAM++, DTAM等。
代表论文: Real-Time Simultaneous Localisation and Mapping with a Single Camera(ICCV 2013)
下载链接:http://www.doc.ic.ac.uk/~ajd/Publications/davison_iccv2003.pdf
源代码:https://github.com/hanmekim/SceneLib2/tree/upgrade
David Murray .
点击打开链接http://www.robots.ox.ac.uk/~dwm/.Oxford University
- 机器人视觉宗师,现任英国牛津大学教授,Active Vision Laboratory主任,PTAM作者,Philip Torr, Andrew Davison,Ian Reid的Phd导师。
代表性论文: Parallel Tracking and Mapping for Small AR Workspaces
下载链接:http://www.robots.ox.ac.uk/~dwm/Publications/klein_murray_ismar2007/klein_murray_ismar2007.pdf
源代码:http://www.robots.ox.ac.uk/~gk/PTAM/
lan Reid.
点击打开链接https://cs.adelaide.edu.au/~ianr/ .University of Adelaide
机器人视觉著名科学家,现任澳大利亚阿德莱德大学教授,英国牛津大学博士,西澳大利亚大学学士。MonoSLAM第二作者。
Hugh Durrant-Whyte.
点击打开链接 https://sydney.edu.au/engineering/people/hugh.durrantwhyte.php. University of Sydney
- SLAM领域宗师,SLAM理论奠基人之一,现任澳大利亚悉尼大学教授,2010-2014年任澳大利亚国家信息技术中心(NICTA)总裁,1995-2010年任澳大利亚领域机器人研究中心(ACFR)总监,1986-1995年任英国牛津大学教授。
Wolfram Burgard.
点击打开链接http://www2.informatik.uni-freiburg.de/~burgard/. University of Freiburg
- SLAM领域著名科学家,现任德国弗莱堡大学教授,智能系统实验室主任。德国波恩大学博士,多特蒙德大学学士,硕士。经典教材《Probabilistic Robotics》作者之一,g2o工具箱作者之一。
Sebastian Thrun
点击打开链接http://robots.stanford.edu/ Stanford University
- SLAM领域著名科学家,现任美国斯坦福大学教授,人工智能实验室实验室主任。德国波恩大学博士,硕士,希尔德斯海姆大学(University of Hildesheim)学士。Udacity创始人,Google X实验室创始人,Google自动驾驶团队创始人。经典教材《Probabilistic Robotics》作者之一。
Frank Dellaert
点击打开链接https://www.cc.gatech.edu/~dellaert/FrankDellaert/Frank_Dellaert/Frank_Dellaert.html. Georgia Institute of Technology
- SLAM领域著名科学家,现任美国乔治亚理工学院教授,Borg实验室主任。美国卡内基梅隆大学博士,凯斯西储大学硕士,比利时荷语天主教鲁汶大学硕士,学士。GTSAM工具箱作者之一,百度前自动驾驶负责人倪凯的博士生导师。
Dieter Fox
点击打开链接https://homes.cs.washington.edu/~fox/ University of Washington
- SLAM领域著名科学家,现任美国华盛顿大学教授,机器人状态估计实验室主任,英特尔普适计算研究中心主任研究员。德国波恩大学博士。经典教材《Probabilistic Robotics》作者之一。
Vijay Kumar
点击打开链接 https://www.kumarrobotics.org/.University of Pennsylvania
- 无人机领域宗师,现任美国宾夕法尼亚大学教授,Vijay Kumar实验室主任。美国俄亥俄州立大学博士,印度理工学院(坎普尔)学士。Shen Shaojie博士生导师。Google Scholar论文引用数:23441(截止2016年4月28日).
Pieter Abbeel
点击打开链接https://people.eecs.berkeley.edu/~pabbeel/University of California,Berkeley
- 深度强化学习(Deep Reinforcement Learning)著名科学家,现任美国加州大学伯克利分校副教授,Gradescope联合创始人。美国斯坦福大学博士,比利时荷语天主教鲁汶大学硕士,学士。在机器人深度强化学习领域成果颇丰。
Shen Shaojie(沈劭劼)
点击打开链接http://www.ece.ust.hk/ece.php/profile/facultydetail/eeshaojie. HongKong University of Science and Technology
- 无人机领域著名科学家,现任香港科技大学助理教授。美国宾夕法尼亚大学博士,硕士,香港科技大学学士。在无人机SLAM,IMU定位等方面功底深厚。
David Scaramuzza
点击打开链接http://rpg.ifi.uzh.ch/people_scaramuzza.html.University of Zurich
- 机器人视觉领域著名科学家,现任瑞士苏黎世大学教授,机器人感知组主任。瑞士苏黎世联邦理工学院博士,意大利佩鲁贾大学硕士,学士。SVO作者之一。在无人机,机器人视觉等方面实力强劲。
Daniel Cremers
点击打开链接 https://vision.in.tum.de/research/vslam/lsdslam .Technische Universitat Munchen
- 机器人视觉领域著名科学家,现任德国慕尼黑工业大学教授,计算机视觉组主任。德国曼海姆大学博士,海德堡大学硕士,学士。LSD-SLAM作者之一,深耕直接法(directed-method)图像配准多年。在无人机,机器人视觉等方面实力强劲。
Jose Maria Martinez Montiel
.点击打开链接http://webdiis.unizar.es/~josemari/ University of Zaragoza
- 机器人视觉领域著名科学家,现任西班牙萨拉戈萨大学教授。西班牙萨拉戈萨大学博士,硕士,学士。曾在英国帝国理工学院,Andrew Davison研究组访问多年。ORB-SLAM作者之一,在视觉SLAM领域发表多篇优秀论文。
Luc Van Gool.
点击打开链接http://www.vision.ee.ethz.ch/~vangool/ ETH Zurich & University of Leuven
- 计算机视觉领域宗师,现任比利时荷语天主教鲁汶大学教授,瑞士苏黎世联邦理工学院教授,计算机视觉实验室主任。SURF图像特征算子作者之一。马尔奖获得者(计算机视觉最高奖项)。
Andrew Zisserman.
点击打开链接http://www.robots.ox.ac.uk/~az/ Oxford University
- 计算机视觉领域宗师,现任英国牛津大学教授,视觉测量组主任。计算机视觉圣经《多视图几何学》(Multiview Visual Geometry)作者,深度学习经典网络VGG作者之一。三次马尔奖获得者(计算机视觉最高奖项)
Philip Torr
点击打开链接 http://www.robots.ox.ac.uk/~phst/ Oxford University
- 计算机视觉领域著名科学家,现任英国牛津大学教授,Torr视觉组主任。英国牛津大学博士。马尔奖获得者(计算机视觉最高奖项)
David Lowe.
点击打开链接 http://www.cs.ubc.ca/~lowe/home.html. University of British Columbia
- 计算机视觉领域宗师,谷歌机器智能研究组高级研究员,曾任加拿大英属哥伦比亚大学教授。SIFT图像特征算子作者。
Jakob Engel
个人主页:https://jakobengel.github.io/#Home
慕尼黑工业大学博士,现任西雅图Oculus Research的研究负责人。年轻有为,是LSD-SLAM和DSO-SLAM的作者,也从事视觉惯导里程计的研究。
代表论文:Large-Scale Direct Monocular SLAM(IROS 2015)
Direct Sparse Odometry (2017)
下载链接:
https://jakobengel.github.io/pdf/engel14eccv.pdf(LSD-SLAM)
https://jakobengel.github.io/pdf/DSO.pdf(DSO-SLAM)
源代码:
https://github.com/tum-vision/lsd_slam(LSD-SLAM)
https://github.com/JakobEngel/dso(DSO-SLAM)
RaúlMurArtal
个人主页:http://webdiis.unizar.es/~raulmur/
西班牙人,现任Facebook Reality Labs的研究科学家,大名鼎鼎的ORB-SLAM的作者。
代表论文:ORB-SLAM: A Versatile and Accurate Monocular SLAM System(2015)
下载链接:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7219438
源代码:https://github.com/raulmur/ORB_SLAM2
Christian Kerl
个人主页:https://vision.in.tum.de/members/kerl
慕尼黑技术大学博士生,DVO的作者,主要研究方向为:使用安装在四旋翼或手持设备上的RGB-D摄像机进行视觉SLAM和3D重建。
代表论文:Dense Visual SLAM for RGB-D Cameras(IROS 2013)
下载链接:http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.402.5544&rep=rep1&type=pdf
源代码:https://github.com/tum-vision/dvo_slam
Felix Endres
个人主页:http://www2.informatik.uni-freiburg.de/~endres/
Albert-Ludwigs-Universität Freiburg的自主智能系统小组的博士生,RGBD-SLAM_V2的作者。主要研究方向为3D感知,主要运用RGB-D SLAM方法。
代表论文:3D Mapping with an RGB-D Camera(IEEE Transactions on Robotics, 2014)
下载链接:http://www2.informatik.uni-freiburg.de/~endres/files/publications/endres13tro.pdf
致谢:本内容为总结笔记,部分参考于网络