目录
本文篇幅较长,分为上下两篇,下篇详见结合YOLOv5神经网络轻量化改进的视觉SLAM(续)
前言
在许多应用场景中,机器人需要在未知环境中移动并感知其周围的环境, 在这种情况下需要同时获取的信息主要包括两个方面:自己的位置和周围环境。
这种同时进行自身定位和周围建图的技术被称为SLAM(Simultaneous Localization and Mapping)[1]。随着计算机视觉技术的快速发展,用视觉传感器 作信息获取源成为了SLAM技术中重要的一环,并在机器人技术蓬勃发展
目录
本文篇幅较长,分为上下两篇,下篇详见结合YOLOv5神经网络轻量化改进的视觉SLAM(续)
在许多应用场景中,机器人需要在未知环境中移动并感知其周围的环境, 在这种情况下需要同时获取的信息主要包括两个方面:自己的位置和周围环境。
这种同时进行自身定位和周围建图的技术被称为SLAM(Simultaneous Localization and Mapping)[1]。随着计算机视觉技术的快速发展,用视觉传感器 作信息获取源成为了SLAM技术中重要的一环,并在机器人技术蓬勃发展