在现代视觉SLAM系统中，一种标准做法是从重叠的关键帧中检索潜在的候选地图点，以进行进一步的特征匹配或直接跟踪。在这项工作中，你知道吗？其实关键帧并不是此任务的最佳选择，这是因为它存在一些固有的局限性，例如较弱的几何推理和较差的可伸缩性。下面分享的体素贴图表示法，以有效地检索视觉SLAM的贴图点。特别是，我们将地图点组织在规则的体素网格中。通过以射线投射的方式对照相机视锥进行采样，可以查询来自照相机姿态的可见点，这可以使用有效的体素哈希方法在恒定时间内完成。与关键帧相比，使用该方法检索的点在几何上保证落在相机的视野内，遮挡点可以被识别并去除到一定程度。这种方法自然也可以扩展到大型场景和复杂的多摄像机配置。实验结果表明，体素图表示与具有5个关键帧的关键帧图一样有效，并且在EuRoC数据集上提供了更高的定位精度(RMSE平均提高了46％)。体素贴图表示法是视觉SLAM中基本功能的通用方法，可广泛应用。
关于视觉SLAM体素贴图法演示如下：
至于SLAM对于当今科技的影响，以无人机为例，有人曾这样打过一个比方“若是无人机离开了SLAM,就像手机离开了WIFI和数据网络一样”。如今对于无人机方面的研究发展迅速，而加强无人机领域体验性，还需要更多前沿技术做支持，SLAM就是其中之一。随着我国科研人员对SLAM方面的不断加深，一些企业为了科研人员更简单、更快速的进行SLAM方面的研究，开发出SLAM研究平台，而且所开发的研究平台开发体系前沿并完善，主要由：视觉开发平台、信息交互与任务控制平台、无人机系统等组成。
视觉slam的位姿估计模块实时获取到双目相机的图像信息和IMU的位姿信息，然后通过视觉惯性融合算法计算出相机的深度信息、位置信息和运动姿态信息，并转换为实时位姿信息，最后通过无人机位姿解算算法将相机的位姿信息转换为无人机的位姿发送给无人机，实现无人机的自主定位。同时，视觉slam算法支持GPU加速技术，大幅提升运算速度与精度。基于词袋技术，构建视觉slam回环检测模块，使视觉slam所计算出来的位姿信息更加准确。由相机发布的三维点云信息获取无人机与障碍物之间的距离，并应用自主导航避障算法生成可执行路径，实现无人机自主导航避障功能。
系统组成方面详解
1)无人机平台
飞行平台集成光流、激光定高等传感器，均可稳定悬停。飞行平台均提供完善的二次开发接口，支持C++、Python、ROS、Matlab等多种开发接口。
2)视觉传感器
支持Intel D435i、小觅等多种双目视觉相机。可根据客户需求选配可见光相机、激光雷达、红外相机等多种其他类型的传感器。为客户提供完善的驱动程序支持和二次开发接口。
3)机载计算机
可搭载TX2、树莓派、Intel NUC等多种机载计算机。
4)开发工作站
提供双目视觉slam实时状态可视化界面和自主导航避障轨迹显示界面。
5)视觉导航集成开发环境
提供全套基于机器视觉无人平台自主导航避障系统软件开发体系：包括VIO定位开发框架，MAVROS无人机二次开发SDK、自主导航避障框架、视觉仿真环境等。
6)实验指导书
提供航线飞行和自主导航避障案例以及常见故障解决方案。
平台优势，紧贴当下研究趋势：
1、可提供视觉导航、SLAM、视觉避障、人工智能等领域最新的技术。
2、可提供完整的无人平台控制、通讯链路、视觉图像采集、图像识别、三维重建、定位解算等软件算法解决方案。提供VIO、LocalPlanner等多种实例程序，用户只需要简单配置即可实现完整的自主定位、自主建图、自主导航、自主避障等功能。
3、可提供全套的机器视觉与视觉导航的开发环境、仿真环境、硬件平台，所提供的硬件均提供完善的二次开发接口和实例代码，省去用户从头搭建开发平台的繁杂工作。
4、可提供全套的学科教学课程以及示例算法等，帮助快速展开相关课程设计，进行实际教学应用阶段
可开设实验课程如下：
⦁SLAM教学；
⦁视觉slam硬件平台介绍；
⦁视觉slam软件平台介绍；
⦁相机原理、点云原理、GPU加速原理简介；
⦁视觉slam平台支持的视觉slam架构；
包括VINS，ORB_SLAM和Rovio，降低学校教师或学生学习SLAM的门槛；
⦁视觉slam主流技术介绍，包括多传感器融合算法，KLT光流算法双目VIO；
⦁视觉词袋技术介绍；
⦁回环检测技术介绍，包括重定位技术、全局位姿估计技术；
⦁无人机通信技术，包括Mavlimk介绍和Mavros介绍；
⦁自主导航避障算法介绍；
⦁视觉slam平台应用实例介绍；
⦁航线飞行实例，自主导航避障实例。
往期精彩01视觉SLAM—关于无人机精准定位和场景重构VIO有话说02作为SLAM中最常用的闭环检测方法，视觉词袋模型技术详解来了0
3分享一个V-SLAM中点云配准算法改进的方法
飞思实验室
让无人智能科研更简单
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
