概率机器人
大鹏不会飞︿( ̄︶ ̄)︿
这个作者很懒,什么都没留下…
展开
-
ORB-SLAM3论文(四)
ORB-SLAM3论文(四) 一、MAP MERGING AND LOOP CLOSING(地图融合和回环闭合) tracking和mapping线程通过将地图点投影到估计的相机位姿中,并在附近几个像素的图像窗口中搜索匹配项,以此来找到帧和活动地图之间的短期和中期的数据关联。为了实现定位和回环检测的长期数据关联,ORB-SLAM使用DBoW2词袋位置识别系统。DBoW2用它们的词袋向量建立一个关键帧数据库,并且给定一个查询图像能够根据它们的词包高效地提供最相似的关键帧。 本文提出了一种新的具有改进召回率的位原创 2020-07-30 11:44:04 · 782 阅读 · 0 评论 -
ORB-SLAM3论文(三)
ORB-SLAM3(三) 一、系统概述 上图为ORB-SLAM3的系统框架图,可以看出新增部分如下: (一)Atlas(地图集) 如图中所示,Atlas包括一系列分离的地图组成的多地图表示(包括active map 和 non-active-map)。其中一个active map(活动地图)表示当前位于的map,tracking线程向其中传入帧,并由local mapping不断优化以及增加新的关键帧扩大规模。其他地图为non-active-map(非活动地图)。该系统建立了一个独特的DoBW2关键帧数据原创 2020-07-29 21:23:45 · 1837 阅读 · 0 评论 -
ORB-SLAM3(二)
ORB-SLAM3(二) 一、介绍 近年来,关于“视觉定位以及建图”的发展大多数都是围绕VSLAM或者单纯的VO,而传感器也是单纯摄像机或与IMU惯导耦合。 SLAM系统与VO系统的边界也越来越小,VSLAM系统的目标是使用移动设备构建地图并定位自身位姿,而VO系统重点在定位自身位姿。 ORBSLAM系统采用基于特征的SLAM,而极大后验概率(MAP)估计应用于利用几何BA(光束平差法)最小化特征重投影误差中。同时我们也可以将历史数据一起加入约束中一起计算BA,在这里作者对历史数据做了三类划分: (一)Sh原创 2020-07-28 20:19:12 · 588 阅读 · 0 评论 -
《概率机器人》-递归状态估计
《概率机器人》-递归状态估计(一)涉及到的概率知识1.基本概率分布(1)基本概率形式(2)常用概率公式(3)期望(4)协方差(5)熵!表达机器人在执行具体行动时可能接收到的信息(二)机器人环境交互1.状态2.环境交互3.概率生成法则4.置信分布(三)贝叶斯滤波1.贝叶斯滤波算法2.马尔可夫假设 状态估计主要目的在于从机器人传感器测量数据中找回状态变量。概率状态估计算法在可能的状态空间上计算置信度分布。 本章旨在引入基于传感器数据进行状态估计的基本术语和数学工具。 本文综述: (一)基本概率知识; (二)描述原创 2020-07-21 11:23:24 · 636 阅读 · 0 评论