深度视觉里程计DeepVO(ICRA)的运行笔记

最新推荐文章于 2024-06-13 23:17:35 发布
最新推荐文章于 2024-06-13 23:17:35 发布
阅读量3k 收藏 19
点赞数 1
文章标签： tensorflow 深度学习 神经网络 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36635888/article/details/105006432
版权

最近运行了github上的一个deepvo代码，在此做一个学习笔记。

1. 文章以及整体结构
文章：DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks（基于深度循环卷积神经网络的端到端视觉里程计）
作者：Sen Wang, Ronald Clark, Hongkai Wen and Niki Trigoni
来源：ICRA2017

deepvo网络结构如下：CNN+RNNs （单目VO）
在这里插入图片描述

CNN网络的结构：
在这里插入图片描述
CNN分析：

  • CNN学习的是几何
最低0.47元/天 解锁文章
Liven_HuaChunjie
关注
  • 1
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
DeepVO论文笔记
fan_nlnl的博客
06-30 3382
摘要    深度学习还没有进入到自动导航领域，比如VO（visual odometry 视觉里程计）、SfM（structure from motion运动结构）、SLAM（simultaneous localization and mapping实时定位制图）。 本文提出了一种单目视觉里程计的深度学习方法，取代了以前的检测-跟踪的方法。介绍    在机器人导航领域，里程计被定义为利用不同的动作传...
【论文阅读】DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks
博客标题不能为空我也没办法
02-23 1114
端到端的视觉里程计，采用CNN提取特征，使用LSTM进行位姿推理
DeepVO：通过深度循环卷积神经网络实现端到端的视觉里程计
huarzail的专栏
07-16 1216
使用深度递归卷积神经网络(RCNNG)，提出了一种新颖的端到端单目VO的框架。由于它是以端到端的方式进行训练和配置的，因此它可以直接从一系列原始的RGB图像（视频）中计算得到姿态，而无需采用任何传统VO框架中的模块。
SemanticKITTI 拼接语义点云帧
最新发布
Don_tknowwhat的博客
06-13 654
SemanticKITTI 提供的官方的转换脚本仓库，但是我是在服务器上做实验，用不到数据可视化的功能，只想把目前主流的各个室外场景数据集（SemanticKITTI、Waymo、NuScenes）转换成 numpy 容易读取的 npy 或者 npz 格式文件，这样方便训练，统一了格式。中的每一行的转移矩阵，因为这个矩阵是基于车载设备的左边第一个灰度相机的，而激光雷达的坐标系不是这个，需要根据。中每一行代表的灰度相机相对于第一帧的变换矩阵转换成了基于激光雷达坐标系的相对变换矩阵。
基于深度学习的视觉里程计算法
苏州程序大白的博客
04-23 3509
基于深度学习的视觉里程计算法 介绍 近年来,视觉里程计广泛应用于机器人和自动驾驶等领域,传统方法求解视觉里程计需基于特征提取、特征 匹配和相机校准等复杂过程,同时各个模块之间要耦合在一起才能达到较好的效果,且算法的复杂度较高。环境 噪声的干扰以及传感器的精度会影响传统算法的特征提取精度,进而影响视觉里程计的估算精度。鉴于此,提出 一种基于深度学习并融合注意力机制的视觉里程计算法,该算法可以舍弃传统算法复杂的操作过程。实验结果表 明,所提算法可以实时地估计相机里程计,并具有较高的精度和稳定性以及较低的网络复杂
DPVO：深度patch视觉里程计（arXiv 2022）
3D视觉工坊
10-20 2240
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨泡泡机器人来源丨泡泡机器人SLAM标题: Deep Patch VisualOdometry作者：Zachary Teed, Lahav Lipson, Jia Deng来源：arXiv 2022编译：cristin审核: zhh摘要 大家好，今天为大家带来的文章:Deep Patch VisualOdometry我们提出了一种新...
深度学习神经网络学习笔记-多模态方向-11-Deep Voice: Real-time Neural Text-to-Speech
CSDNXXCQ的博客
05-23 1311
本文提出Deep Voice，一种完全由深度神经网络构建的生产质量文本到语音系统。Deep Voice为真正的端到端神经语音合成奠定了基础。该系统由五个主要的构建模块组成:用于定位音素边界的分割模型、字素到音素的转换模型、音素时长预测模型、基频预测模型和音频合成模型。对于分割模型，我们提出了一种使用连接时序分类(CTC)损失的深度神经网络执行音素边界检测的新方法。对于音频合成模型，我们实现了WaveNet的一个变体，比原始模型需要更少的参数，训练速度更快。
Tensorflow和PyTorch实现视觉惯性里程计的无监督深度完成（RA-L2020年1月和ICRA2020）_Py.zip
09-17
Tensorflow和PyTorch实现视觉惯性里程计的无监督深度完成（RA-L2020年1月和ICRA2020）_Py.zip
DF-VO:视觉里程表的深度和流量
05-05
此回购实现了ICRA-2020文件和扩展报告中所述的系统： 黄英湛，查马拉·萨罗伊·韦拉塞克里拉，贾旺边，拉维·加格，伊恩·里德 演示视频可以在找到。 @INPROCEEDINGS{zhan2019dfvo, author={H. {Zhan} and C. S. ...
void-dataset:具有惯性和深度（VOID）数据集的视觉里程表
05-27
来自视觉惯性里程计的无监督深度完成（在RA-L 2020年1月和ICRA 2020中） 作者：，，斯蒂芬妮·崔 如果您使用此数据集，请引用我们的论文： @article{wong2020unsupervised, title={Unsupervised Depth ...
Python-DeepVoice3的一个Tensorflow实现
08-10
Deep Voice 3的一个Tensorflow实现
deepvoice3基于pytorch
09-11
基于pytorch的T2S工具源码，PyTorch implementation of convolutional networks-based text-to-speech synthesis models: arXiv:1710.07654: Deep Voice 3: Scaling Text-to-Speech with Convolutional Sequence Learning.
解决ICRA RoboMaster AI挑战与深度学习的研究.pdf
08-18
解决ICRA RoboMaster AI挑战与深度学习的研究.pdf
ICRA2019.txt
04-08
2019年ICRA论文集
京东物流机器人亮相ICRA 2017.pdf
08-14
#资源达人分享计划#
DeepVO项目实践-基于ChiWeiHsiao/DeepVO-pytorch版本
huarzail的专栏
07-17 745
​DeepVO方法应该是第一个采用LSTM方法来实现视觉里程计的方法，具有里程碑的意义。由于作者没有开源，感谢很多大佬复现了他的方法，如ChiWeiHsiao复现了DeepVO方法，github上取名为：DeepVO-pytorch。本文对DeepVO-pytorch的部署进行了简单介绍。
使用文心一言优化DeepVO：基于深度递归卷积神经网络的视觉里程计
m0_63642362的博客
04-14 394
DeepVO使用大量的卷积网络进行特征提取，使用LSTM获取时序信息。本项目一方面使用Paddle进行了复现，另一方面通过咨询文心一言完成了对DeepVO的优化，效果不错。
DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks--Sen Wa
xu.hyj
03-06 949
[1] Wang S , Clark R , Wen H , et al. DeepVO: Towards end-to-end visual odometry with deep Recurrent Convolutional Neural Networks[J]. IEEE, 2017. 针对以往的使用深度学习解决视觉里程计中，只在帧间预测pose，没有充分利用连续帧的问题，本文使用CNN+RCNN(LSTM)实现了充分利用序列帧的信息，实现了很好的效果。 1、整体结构2、CNN部分3、RNN部分.
trash_icra19
01-08
trash_icra19指的是2021年国际机器人大会和自动化国际会议（ICRA）的垃圾处理主题。ICRA是世界上最重要的机器人和自动化领域的学术会议之一，每年都吸引着来自全球各地的专家学者和工业界人士。 垃圾处理是一个全球性的问题，尤其是在人口增长和城市化的背景下。利用智能机器人技术来改善垃圾处理过程，可以提高效率、降低成本，并减少对人类的影响。 trash_icra19可能涵盖了与垃圾处理有关的各种领域和技术。首先，机器人可以被用于自动化的垃圾收集和分类。例如，智能垃圾箱可以通过传感器识别垃圾的类型和重量，自动将其分类并在合适的时间通知收运车辆。同时，机器人也可以在垃圾堆中进行自主导航和识别，以帮助垃圾工人更快速地处理垃圾。 此外，垃圾处理中的可回收物品的回收利用也是一个重要的方向。智能机器人可以通过识别和分拣可回收物品，提高回收率和资源利用效率。利用机器学习和视觉识别技术，可以让机器人从大量混杂的垃圾中找到有价值的可回收物品。 另一方面，垃圾处理还需要考虑环境保护和可持续发展的因素。trash_icra19可能也涉及到了利用机器人进行垃圾焚烧和废弃物处理的研究。通过探索新的能源回收和清洁技术，可以使垃圾处理过程更加环保和可持续。 总之，trash_icra19可能涵盖了垃圾处理领域的各个方面，包括垃圾收集、分类、回收利用、环境保护等。通过应用智能机器人技术，可以改善垃圾处理过程的效率和可持续性，为建设清洁、健康和可持续的城市提供支持。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值