语义slam用于高精地图和高精定位的一些想法

最近一直在考虑语义slam在自动驾驶和辅助驾驶中的用法,研究了一下视觉为主的高精度地图+高精定位的模式,特别是mobileye的REM。

  • 秉承先建图再定位的思路,在服务器端(云端)建图,在车端定位。
  • 视觉高精度定位依赖于目标检测算法的精度和泛化能力。
  • 视觉高精度地图的适应性还是不足,无法在在照明不足的夜晚和恶劣天气发挥作用。限定场景下也许可行。
  • 数据关联怎么做还不是很确定,特别是在没有先验信息(如GPS)的情况下做重定位。Probabilistic Data Association for Semantic SLAM结构完整,只是很难看懂。研究了一下他们组前一篇文章(Semantic Localization Via the Matrix Permanent),感觉还有些启发。

图太大了,分成两部分贴出来。

879417-20180403193747217-352763058.png

879417-20180403193752464-341535265.png

转载于:https://www.cnblogs.com/luyb/p/8710585.html

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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