一点人工一点智能的博客

NV-LIO利用从激光雷达扫描中提取的法向量进行云配准、退化检测和闭环检测，以确保在狭窄的室内环境中具有鲁棒的SLAM性能。所提出的方法通过公开数据集和我们的数据集进行了评估，涵盖了各种类型的建筑。

为了在不平坦的地面条件下获得更一致的SGF，我们采用了利用机器人运动的MC-IPM方法。SGF因子被应用于一个传递机器人，在校园环境中表现良好，并解决了反向循环的问题。它还验证了在白天和黑夜中光照和外观变化的情况下的强大性能。

本文提出了一种新颖的规划方法，使用归一化流（NF）来编码专家风格的运动基元，同时提出了一种加速的碰撞检测框架，可以在运行模型之前从先验分布中拒绝样本，从而快速采样无碰撞轨迹。实验结果表明，该方法在随机障碍环境中与模型预测路径积分控制相当，并在死胡同环境中提高了退出率。

传统三维重建技术逐渐倾向于应用研究，而NeRF作为新颖的隐式三维重建领域，以其高分辨率的合成能力和对少量图像的适应性脱颖而出。动态NeRF相比静态NeRF能表达更丰富的信息，有更广泛的应用前景，因此，未来NeRF研究将更多关注动态NeRF，其在NeRF领域的重要性将日益增加。

该方法在现有的ESVO框架基础上，增加了三个模块：1)一种高效的事件像素采样策略；· 在相机位姿跟踪子问题中，利用IMU预积分结果作为运动先验，以提高位姿估计的准确性。· 在公开数据集上进行实验验证，结果表明该方法相比原始ESVO框架，在映射和位姿跟踪的准确性上有明显提升，同时计算效率也更高，更适合现代高分辨率事件相机。· 提出了一种自适应累积极(AA)方法，用于高效地确定与瞬时边缘相关联的像素位置。· 通过结合时间序列立体匹配和静态立体匹配的结果，改进了映射子问题。

在本文中，我们设计了一个名为AHPPEBot的先进机器人，专门用于自动采摘番茄。为了确保机器人采摘的自主性和精确性，我们整合了两个关键技术：基于对象检测的快速表型学方法和用于番茄托架的姿态估计技术。这些整合提高了机器人识别番茄托架、决策和规划采摘路径的能力。

本文提出了MAD-ICP，这是一种基于激光雷达里程计（LO）的新型方法。MAD-ICP利用了一种高效且通用的kd-tree数据结构，并结合估计的姿态不确定性动态维护一个稳健的环境模型。

在自动驾驶车辆导航、特别是在具有挑战性的环境中，将全球定位系统（GPS）和惯性测量单元（IMU）集成已成为实现可靠和精确位置跟踪的基石。虽然GPS提供了室外广泛的覆盖范围和高精度定位，但在室内或城市峡谷等信号受阻的地方，其性能会下降。相反，IMU独立于外部信号提供宝贵的运动数据，在无GPS信号的区域中不可或缺。然而，IMU的实用性受到随时间漂移的影响，这会导致从加速度数据推导出的速度和位置估计累积误差。为了减轻每种传感器类型的限制，GPS和IMU数据的融合成为一种关键策略。

SLAIM：一个实时的RGB-D NeRF-SLAM系统与现有的NeRF-SLAM系统相比，我们的方法在跟踪性能上始终表现出更强的竞争力。我们的方法采用体积密度表示，并引入了一种新的KL正则化器在射线终止分布上，将场景几何限制为空隙空间和不透明表面。

本论文集划分为4个部分：综述&基础（14篇）、NeRF在AIGC（54篇）、NeRF在SLAM（自动驾驶）（25篇）、NeRF之场景建模（25篇）

本书提供了实现室内定位的各种方法的大量技术概述。这些方法包括基于传感器、相机、卫星和其他基于无线电的方式的方法。本书还讨论了某些实现的简化，描述了读者如何设计符合规范并遵循既定技术的解决方案。还介绍了用于定位的主要技术，包括角度测量、距离测量、多普勒测量和惯性测量。

这本教科书全面介绍了四元数代数和阶的算术理论，这一主题在数学的不同领域都有应用。这本书为研究生读者撰写，易于阅读和理解，收集并综合了文献中的结果。许多途径提供了许多不同方向的探索，而统一的处理使这本书成为学生和研究人员的重要参考。

您将开始理解自主机器人发展背后的基本理论概念，包括发展、数学、电子、机械方面、3D建模、3D打印、Linux和编程。在随后的章节中，您将学习如何描述运动学、模拟和可视化机器人，如何将Arduino与ROS接口，远程操作机器人，进行地图构建、自主导航、添加附加传感器、传感器融合、激光扫描匹配、Web界面等等。

随着智能化的日益普及，许多企业的仓库检查工作都是通过机器人完成。但是，由于仓库检查存在多个目标点，智能机器人检查路径规划的低效率则成了亟需解决的问题。为了解决这个问题，本文提出了一种基于混合粒子群算法（HPSO）的HPSO-ACO算法，对蚁群算法（ACO）的参数进行了优化，并建立了仓库管理中巡检机器人的路径优化模型。

本书专为希望增加移动建图系统知识的工程师和研究人员编写。因此，导出的信息流被划分为与某些移动地图数据和相关观测方程相对应的子问题。尽管所提出的方法并没有覆盖文献中所有SLAM的方方面面，但它是基于实用和现实应用背景下的经验总结。因此，它可以为熟悉SLAM并希望对该主题有更广泛了解的人提供有利地支持。

NeRF通过深度学习的方法，将三维空间表示为一组可学习且连续的辐射场。在已知视角下，对场景进行一系列的捕获（包括拍摄到的图像以及每张图像对应的内外参），不需要中间三维重建的过程，仅根据位姿内参和图像，合成新视角下的图像。不同于传统的三维重建方法把场景表示为点云、网格、体素等显式的表达，NeRF独辟蹊径，将场景建模成一个连续的5D辐射场隐式存储在神经网络中，只需输入稀疏的多角度的2D图像，就可以通过训练得到一个神经辐射场模型，根据这个模型可以渲染出任意视角下的清晰照片。

A*搜索算法是一种用于路径搜索和图遍历的效果很好、主流的技术之一。

本综述涵盖了深度学习技术应用到SLAM领域的最新研究成果，重点介绍和总结了深度学习在前端跟踪、后端优化、语义建图和不确定性估计中的研究成果,展望了深度学习下视觉SLAM的发展趋势，为后继者了解与应用深度学习技术、研究移动机器人自主定位和建图问题的可行性方案提供助力。

本文提出了InstantMesh，一个开源的即时图像到3D框架，使用基于transformer的稀疏视图大规模重建模型从多视图扩散模型生成的图像中创建高质量的3D物体。

五种语言实现使用Dijkstra算法从起点到所有节点找到最短路径给定一个带权重的图和图中的一个起点，找到该点到图中所有其他节点的最短路径。给定的图中不包含任何负边。

本文根据环境目标检测中基于图像和点云的相关技术，对基于深度学习的环境目标检测进行了阐述。首先介绍了3D目标检测的常用数据集和数据格式，其次按照不同的数据输入形式和模型内部的数据表示形式对3D目标检测算法进行划分。尽管环境目标检测在自动驾驶及数字仿真技术领域有着很大的潜力，但目前仍然存在着一些问题和挑战。

随着半导体和软件技术的成功，智能传感器、算法和计算机模块的集成有助于提高自动驾驶汽车的可靠性。这本书介绍了汽车的新特点，并研究了涉及自动驾驶汽车的因素。它预测了自动化汽车现代技术的最新发展，让读者了解自动驾驶汽车的工程特征、功能、模拟、嵌入式系统、连接、传感、控制、处理和通信。我们未来的道路交通设想了一种语音控制的零排放驱动引擎，它可以自动执行多项任务，而不会忽略在不断变化的时代中的安全可靠性。伴随着多年来的许多研究，空中机器人和陆地无人车技术的发展有了显著的进步。作者：Tian Seng Ng。

17年《视觉SLAM十四讲》的发布，直接降低了国内SLAM的入门门槛，同年年底，高博主讲的《视觉SLAM理论与实践》课程更是帮助很多伙伴轻松入门视觉SLAM（目前已开设十六期，近3000人报名学习）。课程将带着大家循序渐进的熟悉SLAM系统中的各种模块，从底层原理出发，逐步实现自动驾驶激光SLAM、惯性导航、组合导航的核心算法。今年，高博新书《自动驾驶于机器人中的SLAM技术》发布，相信这本书，会成为下一本人手一册的SLAM书籍！你没看错，配套课程已经结束一期了，5月12号，高翔博士主讲的全新配套课程。

从理解当前感知开始，考虑可能的语义关系，使用给定时间瞬间的感知观察来构建短期理解，称为直接情境理解，或包含过去获得的知识，即积累的情境理解的长期模型。可以创建多个抽象关系来连接情境结构模型中的概念，例如几何关系（例如物体的形状）、语义关系（例如物体的类型和功能）、拓扑关系（例如空间中的顺序）、本体关系（例如常识概念的层次结构）、动态关系（例如物体之间的运动）或随机关系（例如包括不确定性信息）。值得注意的是，由于当前算法的发展限制了其应用范围，使其仅适用于特定环境，因此态势感知的关键方面仍不够成熟。

针对工厂检查的应用需求，本文研究了机器人地图制作、定位和路径规划方法。由于相机和激光传感器在不同环境中的适用性存在差异，同时也受到它们固有特性的限制，因此本文提出了基于多线激光雷达和视觉感知的SLAM应用系统，以满足不同场景的需求。

前两部分，主要是基础知识点的梳理，各位伙伴如果需要相关的书籍资料以弥补基础，可以添加微信（puxiaoke6)，询问是否有相关的资料书籍推荐（免费服务）。3. 每个人的基础不同，要根据自己的接触进行合适的学习路线调整，不要一味地依赖于现有的学习路线图！论文集包含后三个部分中提到的各个主要论文，其中大部分论文均提供了代码或者项目地址，便于同学们在自学时深入实践，获得更好地知识。1. 有些项目代码并非原作所提供的；2. 有些项目代码比较早了，进行。（3）单目视觉SLAM（Monocular）

在大多数条件下这些参数（内参、外参、畸变参数）必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定（或摄像机标定）。无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。

本文从SLAM算法经典框架出发，总结分析了其前端、后端以及深度学习与多传感器融合在激光SLAM中的研究现状，系统阐述现在主流的3D激光SLAM算法原理及其存在的问题和不足，探讨了3D激光SLAM算法的研究热点和发展趋势。

本文主要想使用尽量少的专业词汇来解释清楚视觉SLAM是如何进行定位的（在某些表述上可能并不严谨），希望对视觉SLAM有兴趣的伙伴能在刚接触SLAM时有个基本的了解，本文同时介绍了视觉SLAM的经典框架和应用场景。

对于入门的伙伴，建议先阅读Survey部分，了解NeRF的发展，然后再阅读每一个部分，对相关的项目代码进行剖析，希望每一位伙伴都能通过这份资料学有所得！！

我们对在VSLAM领域发表的45篇有影响力的论文进行了深入的文献调研，根据不同的特点对这些论文进行了分类，包括方法创新性、领域应用新颖性、算法优化和语义层面，还讨论了目前的趋势和未来的方向，这可能有助于研究人员进行研究。

提出了一种使用低成本无人机实时生成探索地图的解决方案。这依赖于Tello Edu无人机提供的信息，该无人机将图像流式传输到外部笔记本电脑上以进行实时处理。该解决方案运行单目视觉 SLAM来注册图像并创建未缩放的环境地图。...

原文链接：https://zhuanlan.zhihu.com/p/115599978 未经作者允许，禁止二次转载微信扫码，回复：开源SLAM，即可获取全文文档（共97个方案，本文28个）本文简单将各种方案分为以下 7 类（固然有不少文章无法恰当分类，比如动态语义稠密建图的 VISLAM +_+）： Geometric SLAM Semantic / Deep SLAM Multi-Landmarks / Object SLAM Sensor Fusion .

原文链接：https://zhuanlan.zhihu.com/p/115599978 未经作者允许，禁止二次转载微信扫码，回复：开源SLAM，即可获取全文文档（共97个方案，本文22个）本文简单将各种方案分为以下 7 类（固然有不少文章无法恰当分类，比如动态语义稠密建图的 VISLAM +_+）：Geometric SLAMSemantic / Deep SLAMMulti-Landmarks / Object SLAMSensor FusionDynamic SLAMMappin.