视觉SLAM
视觉SLAM
AutoMan-USTC
SLAM,自动驾驶
展开
-
Graph-Cut RANSAC(CVPR 2018)
基于图割优化的RANSAC算法1. 摘要 本文提出了一种新的鲁棒估计算法,叫做图割RANSAC,简称GC-RANSAC。当找到当前最好模型时,该算法在局部优化中使用图割算法来区分内点和外点。本文提出的局部优化算法理论简洁、易于实现,是全局最优解且效率高。 基于仿真合成测试数据和真实图片对的实验表明,GG-RANS原创 2020-06-10 19:56:58 · 2194 阅读 · 0 评论 -
视觉SLAM十四讲第九章0.4代码注释
文中的主要代码引用自高翔博士的《视觉slam十四讲》,注释部分转载自链接视觉SLAM十四讲第九章0.4代码注释run_vo.cpp// -------------- test the visual odometry -------------#include <fstream>#include <boost/timer.hpp>#include <ope...转载 2019-10-25 17:22:43 · 527 阅读 · 0 评论 -
slam十四讲笔记1:相似变换与李代数
原创 2019-12-12 17:11:45 · 190 阅读 · 0 评论 -
Orb-Slam2里的sim3变换
原创 2019-12-09 21:09:07 · 684 阅读 · 0 评论 -
RGB-D dense mapping with feature-based method
RGB-D dense mapping with feature-based method 基于ORB-SLAM2和Kintinuous的稠密建图。 系统框图: 系统流程描述: (1)使用Kintinuous中提出的moving volume来表示当前帧视野范围内的重建区域,不同于kintinous在位姿图优化后用嵌原创 2020-05-24 19:04:31 · 326 阅读 · 0 评论 -
RGB-D dense SLAM with keyframe-based method
RGB-D dense SLAM with keyframe-based method 目前,基于特征的视觉SLAM方法趋于成熟阶段。基于特征的视觉SLAM系统通常在不产生稠密表面的情况下计算相机位姿,而稠密SLAM系统同时输出相机位姿以及重建区域的稠密表面。本文结合了基于特征的视觉SLAM和稠密SLAM的两者的优势,基于ORB-SLAM2及ElasticFusion,提出了一种新的RGB-D稠密SLAM系统。原创 2020-05-24 18:57:49 · 377 阅读 · 0 评论 -
Dense Visual SLAM with Probabilistic Surfel Map(PSM)
Dense Visual SLAM with Probabilistic Surfel Map(PSM)本文提出了一种全新的稠密视觉SLAM的概率Surfel图表示方法(PSM),其主要思想是通过对光度和几何不确定性分析建模,来维护一个全局一致的地图。算法的关键在于对传感器的测量不确定性进行合理建模和更新,以及应用这些不确定性改进前端姿态估计和后端优化。文章的主要贡献为:(1)提出了一种能够对测量不确定性进行适当建模的概率Surfel图表示方法(PSM)。(2 )提出了一种机制(主要通过关键帧PSM原创 2020-05-24 18:45:15 · 540 阅读 · 0 评论 -
ElasticFusion: Dense SLAM Without A Pose Graph
ElasticFusion: Dense SLAM Without A Pose Graph一、主要贡献surfel-based稠密建图。将surfel分为激活区域和非激活区域,一段时间内未观测到的归入非激活区域。每一帧,尝试把激活模型中当前相机估测位姿部分,登记至非激活模型在当前帧的部分,若登记成功,则检测到闭环,进行非刚体变换。发生闭环的非激活部分再次激活,放入登记的区域。(每一帧把同视角下的激活部分和未观测到的非激活部分匹配,来检测闭环)。对于全局闭环,向随机encoding原创 2020-05-24 17:21:18 · 635 阅读 · 0 评论 -
KinectFusion: Real-time 3D Reconstruction and Interaction Using a Moving Depth Camera
KinectFusion: Real-Time Dense Surface Mapping and Tracking主要贡献和特点(1)基于RGB-D相机三维重建的开山之作,首次实现实时稠密的三维重建。(2)通过融合序列图像重建三维重建,如果显卡满足要求重建的帧率可以跟得上深度相机的帧率(30Hz)。(3)通过配准当前帧和模型投影获取的图像计算位姿,比通过配准当前帧和上一帧计算位姿要更加准确。(4)使用 TSDF 模型不断融合深度图像重建三维模型。重建流程...原创 2020-05-25 19:13:36 · 588 阅读 · 0 评论 -
Real-Time Fully Incremental Scene Understanding on Mobile Platforms
移动平台上的实时全增量式场景理解(IROS 2018) 本文提出了一种可以在移动设备上实时运行的基于RGB-D相机的在线室内场景理解方案。首先,基于SLAM增量式地重建场景以及计算一个三维几何分割,将每个输入深度图中的场景片段融合成一个全局的三维模型。结合该几何分割和语义标注来实现语义分割,结果以语义地图形式保存。为了实现有效的语义分割,本文利用一个快速增量式的三维描述子对全局模型中的场景片段进行编码,然后利用随机森林来得到每个场景片段的标签。连续帧的预测结果原创 2020-05-25 11:15:46 · 242 阅读 · 0 评论 -
Real-time Scalable Dense Surfel Mapping
Real-time Scalable Dense Surfel MappingORB_SLAM2 采用稀疏视觉SLAM系统中较优秀的ORB-SLAM2作为定位系统,在存在回路的情况下跟踪相机运动并优化位姿图。Surfel_Fusion A. 超像素的提取 与其他基于surfel的逐像素表面建模方法不同,这里基于从强度和深度图像中提取的超像素来对表面进行建原创 2020-05-24 16:57:38 · 902 阅读 · 4 评论