vSLAM的人有福了,寻找当下最新的研究方向

vSLAM 当下的研究方向:
在这里插入图片描述
1)旋转激光大型场景三位创建
2)基于RGBDSLAM算法创建的实验室环境
3)Kinect和LRF传感器结合栅格地图创建
在这里插入图片描述

在这里插入图片描述
1)VSLAM (Visual Simultaneous Localization and Mapping)视觉同步定位和建图
应用场景:家庭服务,AR/VR,医疗,救灾,自动驾驶
在这里插入图片描述
1)定位
2)建图
在这里插入图片描述
1)相机去一组数据,再取一组数据,做数据关联位姿,速度估计,位姿矫正,继续采集数据,闭环优化地图和位姿,闭环优化:检测是否到达曾经来过的位置。
在这里插入图片描述
2)因子图(factor graph)的建立和优化
x是机器人的位姿,是地图的特征点,K是相机内参,u表示里程计约束,v是相机观测,c是闭环检测,p先验信息
在这里插入图片描述
在这里插入图片描述
2003: 基于EKF(扩展卡尔曼滤波器)的视觉SLAM系统 Mono-SLAM
2007: PTAM使用关键帧和多线程技术使用在SLAM上,增强鲁棒性
2014: 基于单目相机的直接法,视觉SLAM,并且适用于大场景
2015: ORB-SLAM,在PTAM的基础上改进,系统统一使用ORB特性,是完备的SLAM系统
2016:DSO,SVO,VINS-Mono,CNN-SLAM等等
在这里插入图片描述
1)持续性问题:马路上的清扫机器人,麦田的农业机器人
2)动态复杂变换环境
在这里插入图片描述
1)数据关联
1。短期数据关联的处理:子匹配,光流法
2。长期数据关联:难!!!BOW。
SeqSLAM,将不同的视觉表征融入一个表示,基于视觉的地点识别技术
在这里插入图片描述
剔除,动态建模
在这里插入图片描述
在这里插入图片描述
数据膨胀的处理
在这里插入图片描述
因子图的节点悉数方法:节点关联法(函数链接)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
几何地图和语义地图的结合
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
三种相机
在这里插入图片描述
深度学习的应用:轨迹恢复,深度恢复,sfmlearning
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 3
    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 3
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