基本seo,沈阳seo博客,编程怎么入门,那个公司搭建网站天下谁人配白衣” SLAM方案研究方向 SLAM方案
站在历史角度#xff0c;看一下为SLAM的发展带来贡献的方案#xff1a;
2007年—A.J.Davison—MonoSLAM
视觉SLAM的先驱#xff0c;建立在EKF基础上#xff0c;此前基本无法在线运行#xff0c;意义较大#xff1b;… 天下谁人配白衣” SLAM方案研究方向 SLAM方案
站在历史角度看一下为SLAM的发展带来贡献的方案
2007年—A.J.Davison—MonoSLAM
视觉SLAM的先驱建立在EKF基础上此前基本无法在线运行意义较大应用场景窄
2007—Klein—PTAM
也是SLAM重要事件双线程结构跟踪部分实时响应地图优化没必要实时第一个使用非线性优化后端引入关键帧机制带有AR效果场景小跟踪容易丢失
2014—J.Engle—LSD-SLAM
单目直接法 用直接法构建半稠密地图(不需要特征点)半稠密估计梯度明显的像素位置。可在CPU上进行极线搜索做法是极线等距取5点度量SSD深度估计采取随机数再归一化等减小了尺度漂移直接法的缺点对相机内参和曝光敏感运动过快容易丢失没有直接法的回环检测依赖特征点 2014—Forster—SVO
半直接法 特征点与直接法混合使用跟踪角点没有描述子直接根据关键点周围信息估计相机运动4X4大小的块匹配速度极快SVO2.0可以达到400帧每秒提出了深度滤波器只要是无人机俯视相机使用平视表现不好单目初始化等舍弃了后端优化和回环检测故称一个VO而非SLAM。 2015—PTAM的继承者—ORB-SLAM
特征点SLAM中的顶峰支持单目、双目、RGB-D模式用ORB特征计算视觉里程计和回环检测的ORB字典精度与效率折中回环检测优秀一个很大的ORB字典文件三个线程完成SLAM跟踪特征点、小图BA、大图全局位姿图和优化线程必须对每个图像都计算一遍ORB特征耗时三线程CPU负担没有开放存储和读取地图后重定位无法提供导航、避障、交互等。 RTAB-MAP 是专用RGB-D SLAM的方案基于特征的视觉里程计基于词袋的回环检测后端的位姿图优化以及点云和三角网格地图完整庞大的SLAM方案。
其他一些方案可以在官网查找
研究方向
视觉惯导 具有明显互补性
IMU角速度加速度存在明显漂移使积分两次得到的数据不可靠但是短时间内快速运动IMU能提供较好的估计相机运动过快运动模糊重叠区域太少数据基本不漂移运动过快可以依靠IMU保持位姿估计图像变化时不知道是相机自身运动还是外接环境变化IMU却可以感受到
复杂的VIO
语义SLAM
结合深度学习
语义帮助SLAM给图带标签得到带标签的地图有助于与回环检测和BA优化SLAM帮助语义深度学习上从不同视角采集物体数据标定辛苦。而在SLAM中可以估计相机运动自动计算物体在图像中的位置省去人工成本。在深度学习之前场景分割识别通过支持向量机条件随机场等传统工具进行。使用深度学习后很有前景
基于线/面特征的SLAM动态场景下的SLAM多机器人的SLAM
都有待探索。
我们正处在提出问题—寻找算法—完善算法 的第三个阶段各位共勉
