论文整理《复杂环境下视觉SLAM闭环检测方法综述》

原文链接
复杂环境下视觉SLAM闭环检测方法综述

  • 本文针对复杂环境下视觉SLAM闭环检测的3个主要问题:场景描述、决策模型和闭环检测性能评价展开综述;

  • 与激光SLAM相比,视觉SLAM具有感知能力和重定位能力更强、安装方式多元化、更加廉价等优势;

  • 场景描述方法主要包括:局部特征描述子、全局描述子、局部区域的全局描述子、结合深度信息的场景描述、场景的时变描述;

    • 局部特征描述子是指以特征点为中心生成的图像局部区域描述;
      • SIFT特征提取算法是目前广为使用的一种图像特征算法,对尺度、旋转和光照都具有一定的不变性,存在的问题是其特征点的提取和描述子的计算非常耗时;
      • SURF算法、ORB算法大多以牺牲性能为代价来提高效率;
      • 基于局部特征描述子的闭环检测技术能够在SLAM系统中实时运行的一项关键技术是视觉词袋模型
      • 由于视觉词汇都是预训练的,在不同场景下的泛化能力是一个很重要的问题。除了增加词汇数量的方法外,还可以根据观测模型信息进行在线更新词汇,这种方法不需要对视觉词汇进行预训练,从而获得了对环境的自适应能力;
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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