AVP-SLAM论文阅读笔记

最新推荐文章于 2024-08-07 07:31:00 发布
最新推荐文章于 2024-08-07 07:31:00 发布
阅读量3.3k 收藏 29
点赞数 3
分类专栏： slam 文章标签： 计算机视觉
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/w1130466404/article/details/108715687
版权
本文介绍了秦通大神的AVP-SLAM论文，该研究利用车道线、停车线等语义信息进行地图构建与视觉定位。通过IPM变换将多视角图像合成，使用U-Net进行特征提取，并每隔30米建立局部地图。回环检测与全局优化确保地图一致性。语义定位中，结合ICP和EKF实现准确平滑的车辆定位。
摘要由CSDN通过智能技术生成

这篇文章秦通大神今年新发的论文《AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot》
语义定位流程图
主要使用的特征有：车道线，停车线，路面指示标记等语义信息。
算法主要分为两个模块：地图构建与视觉定位。

地图构建

IPM

输入的图像分别来自前视、后视、两个侧视，由于需要检测的语义特征基本都位于路面上，作者这里采样了逆投影变换，将来自四个广角摄像头的图像合成一张IPM图像。
在这里插入图片描述
π − 1 \pi^{-1} π−1 是逆投影变换，omni模型和我们常用的pinhole模型不太一样，具体投影关系可以参考这篇论文：
Omnidirectional Camera
[ R c , t c ] [R_c,t_c] [R

最低0.47元/天 解锁文章
拉卡尼休的小火苗
关注
  • 3
    点赞
  • 踩
  • 29
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
【CCM-SLAM论文阅读笔记】
weixin_44372293的博客
01-10 1445
CCM-SLAM论文阅读笔记
语义SLAM论文以及code地址总结
超爱吃小蛋糕的66的博客
11-11 1780
备忘，记录语义SLAM的一些论文和学习资料。
AVP-SLAM-SIM:模拟中AVP-SLAM（IROS 2020）的基本实现（不是官方代码）。 https
05-25
AVP-SLAM-SIM 基本实现仿真 。 尊重AVP-SLAM项目->童琴，陈同庆，陈以伦和苏青 AVP-SLAM-SIM 基本实现仿真！ ·· 目录 关于该项目 代码结构 怎么跑 怎么跑 路线图 贡献 执照 接触 致谢 关于该项目 这个项目只是我对Paper的实现，而不是正式发布，我们仅发布我们的仿真代码。 Other Code will be released soon 代码结构 我们发布了基本的代码结构，对于整个项目，您至少需要calib ， segmentation ， avp-bev ， sync part等。avp-bev是该项目的核心部分之一，该结构如图所示： 如果您对此项目感兴趣，则可以遵循***.h文件来关联您的实现。 怎么跑 这个项目提供了一个凉亭世界。 因此，如果您想测试代码，则需要准备仿真世界。 该项目需要一个凉亭环境，通常加载凉亭模型需要很长时
秦通课题组新作入选IROS24！开启实车端到端泊车革命！
最新发布
CV_Autobot的博客
08-07 275
作者|蒙牛二锅头 编辑| 深蓝AI点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『自动泊车』技术交流群本文只做学术分享，如有侵权，联系删文论文题目：ParkingE2E: Camera-based End-to-end Parking Network, from Images to Planning论文作者：C...
SLAM论文阅读笔记
weixin_30729609的博客
06-30 900
[1]陈卫东, 张飞. 移动机器人的同步自定位与地图创建研究进展[J]. 控制理论与应用, 2005, 22(3):455-460. [2]Cadena C, Carlone L, Carrillo H, et al. Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robus...
【论文精读】AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot
dulu_301的博客
01-12 3903
【论文精读】 AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot 论文出处 IROS2020 摘要 自动代客泊车是自动驾驶的一种特殊应用。在这项任务中，车辆需要在狭窄、拥挤和无gps的停车场中导航。准确的定位能力是非常重要的。传统的基于视觉的定位方法会由于在停车场中缺少纹理、以及重复的结构和场景的变化而导致跟踪容易丢失。本文使用了鲁棒的语义特征来构建地图，并在泊车时用语义信
AVP-SLAM：自动泊车系统中的语义SLAM_
liuphahaha的专栏
03-19 1161
在自动代客泊车系统中车辆在狭窄且拥挤且没有GPS信号的停车场中进行导航，具备准确的定位能力是至关重要的。传统的基于视觉的方法由于在停车场中由于缺少纹理，以及重复的结构和场景的变化导致跟踪容易丢失，在这篇文章中，使用了鲁棒的语义特征来建立停车场的地图并在泊车时用语义信息来定位车辆。其中语义的特征包含了地面上的指路标志，停车线，以及减速带等，这些特征通常出来在停车场中。这些语义的特征与传统的特征相比，对视角和光照变化具有一定的稳定性。
AVP-SLAM 小结: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot
泠山的博客
03-10 843
由于停车线和停车线角点是从IPM图像(Fig. 4(b) 中的白点和黄线)检测出来的，因此很容易自动检测停车点。比如 Fig. 5(a) 与 Fig. 5(b) 两个 local map 要是直接合并重叠的效果如 Fig. 5© 一样不是太好，但要是用这个值作为初始值优化出一个回环检测的相对位姿，那效果就很 nice 了，如 Fig. 5(d) 所示。如果算力足够，应该将里程计得到的位姿作为初值，如前面得到的本次的local map做个2D的ICP是否更合适？通过这种方式，可以生成全局一致的map。
avp-slam-plus
09-06
"avp-slam-plus"可能是针对自动车辆平台（Automatic Vehicle Positioning, AVP）优化的一个SLAM算法或者是一个包含此类算法的软件包。下面我们将深入探讨SLAM的基本概念、工作原理以及它在AVP中的应用。 1. **SLAM...
利用STM32开发板实现AVP-8音视频功率报警器语音报警.pdf
06-27
基于STM32开发板实现AVP-8音视频功率报警器语音报警功能，是一项针对广播电视发射台站安全播出技术的改进方案。通过利用STM32开发板结合AVP-8音视频功率报警器、WT588D-U语音模块、功放机和音响等硬件设施，改进原有...
avp-rrt:通过允许的速度传播在配置空间中进行运动学规划
05-06
运行make vip-rrt.py以使用AVP-RRT实例打开IPython。 扭矩限制摆的图表： make 11-05 ：（11，5）-Nm扭矩极限 make 11-07 ：（11，7）-Nm扭矩极限 make 13-05 ：（13，5）-Nm扭矩极限 RRT参数识别图： make param...
AVP-SLAM算法学习
超爱吃小蛋糕的66的博客
05-09 4821
文章目录1 AVP-SLAM算法流程1.1 传感器输入1.1.1 视觉传感器：由四个鱼眼相机组成的环视摄像头1.1.2 辅助传感器：IMU+轮速计1.2 建图模块1.2.1 语义特征提取1.2.2 更新全局地图1.2.3 回环检测1.3 定位模块1.4 停车位检测思考与总结 1 AVP-SLAM算法流程 论文提出了一个基于视觉的定位解决方案，利用强健的语义特征来辅助车辆在停车场中导航。车辆周围使用了四个摄像头。通过IPM（逆透视变换）将图像变换成鸟瞰图。然后神经网络检测语义视觉特征，包括车道、停车线、路标和
两篇基于语义地图的视觉定位方案：AVP-SLAM和RoadMap
10点43的博客
09-11 7618
AVP-SLAM RoadMap
[论文阅读]AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot
qq_41265365的博客
05-09 795
文章的贡献是什么？ 给出了结合语义的视觉SLAM停车场场景建图方案； 最大的贡献应该是配置到了实车上，有实际应用价值；
AVP-SLAM算法论文翻译
超爱吃小蛋糕的66的博客
05-10 791
文章目录1 摘要2 主要贡献3 系统概述4 实现方法A IPM图像B 特征检测C 局部地图D 回环检测E 全局优化F 定位G 停车点检测 1 摘要 自主泊车是自动驾驶领域的一个特殊应用。在这个任务中，汽车需要在一个狭窄的，拥挤且没有GPS信号的停车场中实现自主导航，因此准确的定位能力十分重要。传统基于纯视觉方法由于缺少纹理，以及重复的结构和场景的变化导致跟踪容易丢失。在这篇文章中，使用了鲁棒的语义特征来建立停车场的地图并在泊车时用语义信息来定位车辆。其中语义的特征包含了地面上的指路标志，停车线和减速带等，这
【论文阅读】AVP-SLAM Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot
weixin_43891708的博客
11-24 1769
文章：AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot 作者：Tong Qin, Tongqing Chen, Yilun Chen, and Qing Su 前言：去年笔者之前在自研探索AVP方案时，阅读到秦通博士的一篇论文AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles
AVP自主泊车总结（SLAM定位方向）
weixin_39926594的博客
04-11 2777
文章目录自主泊车背景简介感知方面AVP_SLAM尝试直接提供的解决方案各个厂商目前的AVP效果参考 自主泊车背景简介 自主代客泊车AVP也可以解决移动出行公司面临的三大难题： 2. 取还车复杂，用户体验差； 3. 车辆调度消耗大量成本及运维资源； 4. 停车场停车位资源使用不合理。 ToC和ToB两种模式的刚需是AVP商业落地的最大驱动力，根据预测，到2025年，包括服务费、授权费及停车场改造收入在内，AVP市场规模将超过400亿元 技术层面，场景简单，比较容易实现。 使用场景存在多种：https://z
感觉离开slam领域好久了，大神又出新作了LVI-SAM、AVP-SLAM？
南北粉面馆
08-06 715
感觉自己不是一个合格的slam程序员。。。。 LVI-SAM https://www.bilibili.com/video/BV16p4y187xk/ AVP-SLAM https://www.bilibili.com/video/BV1Vv411v7B9/?spm_id_from=333.788.recommend_more_video.4
AVP SLAM重定位
05-11
AVP SLAM（Adaptive Visual and Prior-based SLAM）是一种基于视觉和先验信息的SLAM（Simultaneous Localization and Mapping）算法，它可以通过不断地优化相机的位姿来构建环境地图。在AVP SLAM中，重定位的主要目的是将相机的位姿从当前位置转移到已知的位置，以便更好地匹配环境地图。 AVP SLAM中的重定位一般分为两个步骤： 1. 候选帧选择：根据当前相机的位姿和环境地图，选择一组可能与当前帧匹配的候选帧。 2. 位姿估计：对于选定的候选帧，使用RANSAC等方法估计相机在该帧上的位姿，并将其作为初始位姿进行优化。 AVP SLAM的重定位方法可以提高SLAM系统的鲁棒性和精度，使其能够在复杂和变化的环境中更加可靠地定位和建图。
评论 4
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