超级会员免费看
本文提出了一种融合深度神经网络的单目语义SLAM方法，实现了实时稠密场景重建。通过CNN预测深度和直接SLAM相结合，解决了单目SLAM在低纹理区域的深度估计问题，提高了位姿估计的精确度和重建的绝对尺度。此外，通过语义分割与SLAM的融合，从单个视图生成语义一致的3D重建。实验表明，该方法在位姿和重建精度上优于其他SLAM方法，并在纯旋转运动下仍能保持追踪稳定性。
目录
基本情况
- 题目：CNN-SLAM: Real-time dense monocular SLAM with learned depth prediction
- 出处：Tateno, K., Tombari, F., Laina, I., & Navab, N. (2017). Cnn-slam: Real-time dense monocular slam with learned depth prediction. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 6243-6252).
- 视频demo: https://www.bilibili.com/video/av49294700/
- 相关代码：
订阅专栏 解锁全文
扫一扫
817
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
