MonoSLAM: Real-Time Single Camera SLAM阅读

MonoSLAM: Real-Time Single Camera SLAM

摘要

  1. 背景
  2. 解决的问题:在未知的环境中运行的机器人,通过单一的相机进行3d轨迹重建
  3. 方法:通过一个概率框架在线创建一个稀疏却稳定的自然标记地图
  4. 结果:我们的核心贡献包括一个用于构图和测量的活性方法,使用一种通用运动模型来平滑相机运动,和单目特征初始化与特征定位估计的解决方案

introduction

  我们工作的一个要求是高帧率实时性。(原文)real-time algorithms are necessary only if they are to be used as part of a loop involving other components in the dynamic world:在应用程序中,只有当实时性算法被用为在动态世界中其它组件的循环的一部分是才是有必要的。机器人必须控制它的下一个动作步骤,人类需要动作的视觉反馈或者其它等待输入的过程。在这种情况下,从移动相机实时获得的最有效的信息是它在哪里,而不是一个完整详细的将要展示的最终“最终地图”。尽管定位和建图是一个复杂的耦合问题,并且在SLAM研究中证明,两个问题需要同时解决,但是在这个工作中我们兴趣是把定位作为主要输出。一个已经建立的稀疏的优化地标地图。
  此外,实时摄像机跟踪场景通常都涉及在受限环境下的扩展或者循环运动,(比如,当类人机器人执行任务时,一个家用机器人打扫房间,通过增强现实从不同的角度观察房间)。可

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
LSD-SLAM是一种大规模直接单目SLAM算法,它是在2013年由扬·恩格尔斯等人提出的。该算法的目标是实现在没有任何先验知识或环境特征的情况下,通过单个摄像头从连续的图像序列中建立和跟踪三维地图,并且能够同时确定相机的姿态。 LSD-SLAM的核心思想是利用摄像头的像素强度信息进行定位和建图,而不依赖于传统的特征点提取和匹配。它通过高斯金字塔和灰度差分技术来提取特征,并使用稀疏数据库存储和匹配这些特征,以实现实时的建图和定位。 在LSD-SLAM中,首先需要对图像进行预处理,包括降噪和创建高斯金字塔。然后,通过计算图像中相邻帧之间的灰度差分,得到特征点的深度信息。通过对这些深度信息进行尺度一致性检查和相机姿态估计,可以建立起相机的轨迹和三维地图。 LSD-SLAM的优点之一是其能够在大规模环境下进行建图,且对于纹理较弱的区域也能较好地定位。此外,LSD-SLAM还具有较低的计算复杂度,能够实时运行,适用于移动机器人、增强现实和无人驾驶等领域。 然而,LSD-SLAM也存在一些限制,如对于场景中出现大运动或快速变化的情况,其定位和建图的精度可能会下降。此外,它对于镜头畸变和光照变化也较为敏感。 总结来说,LSD-SLAM是一种利用单个摄像头进行大规模建图和定位的算法。它通过直接使用图像的像素强度信息,不依赖于传统特征点的提取和匹配。尽管LSD-SLAM具有优点和限制,但其在许多实际应用中具有潜在的价值和广阔的应用前景。

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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