如何去使用深度學(xué)習(xí)的model SLAM位姿估計的自訓(xùn)練方法

如何進(jìn)行魯棒的位姿圖優(yōu)化來得到比較可靠的SLAM估計？提出了一種自動協(xié)方差調(diào)整的位姿圖優(yōu)化，這里如果展開講可能需要很長時間，在這邊只做一個比較宏觀的介紹。

2023-03-29 標(biāo)簽：SLAM深度學(xué)習(xí) 1.3k 0

常見的激光雷達(dá)SLAM算法有哪些？

激光雷達(dá)分單線和多線這兩大類，針對這兩類Lidar所使用的算法也不盡相同。 首先單線雷達(dá)一般應(yīng)用在平面運(yùn)動場景，多線雷達(dá)則可以應(yīng)用于三維運(yùn)動場景。

2023-03-27 標(biāo)簽：算法SLAM激光雷達(dá) 4k 0

有哪些激光雷達(dá)SLAM算法？

一般將使用單線雷達(dá)建構(gòu)二維地圖的SLAM算法，稱為2D Lidar SLAM。大家熟知的2D Lidar SLAM算法有：gmapping, hecto...

2023-03-27 標(biāo)簽：算法SLAM激光雷達(dá) 3.1k 0

機(jī)器人導(dǎo)航技術(shù)：SLAM創(chuàng)新點(diǎn)前世今生分析

SLAM(simultaneous localization and mapping)全稱即時定位與地圖構(gòu)建或并發(fā)建圖與定位，它主要的作用就是讓機(jī)器人在...

2023-03-24 標(biāo)簽：機(jī)器人激光SLAM 1.7k 0

基于RGB-D相機(jī)的三維重建和傳統(tǒng)SFM和SLAM算法有什么區(qū)別？

輸入數(shù)據(jù)流不同。在基于RGB-D相機(jī)的三維重建中，輸入有深度信息和彩色信息，并且深度信息起主導(dǎo)作用，而在SLAM和SFM算法中輸入的是主要是彩色信息，個...

2023-03-23 標(biāo)簽：ArSLAMvr 1.8k 0

OV2SLAM(高速視覺slam)簡析

視覺里程計最近幾年越來越受到學(xué)術(shù)界以及工業(yè)界的認(rèn)可，以O(shè)RB和VINS為代表的視覺SLAM已經(jīng)可以滿足絕大多數(shù)場景，而OV2SLAM在其他VSLAM中脫...

2023-03-21 標(biāo)簽：lcdSLAMRANSAC 2.4k 0

深度解讀A-SLAM和AC-SLAM的實(shí)現(xiàn)和方法應(yīng)用

本文的優(yōu)勢不僅包括討論A-SLAM的內(nèi)部組成部分，還包括其應(yīng)用領(lǐng)域、局限性和未來前景，以及對過去十年A-SLAM進(jìn)行全面的統(tǒng)計調(diào)查。

2023-03-17 標(biāo)簽：機(jī)器人人工智能SLAM 1.2k 0

反光板導(dǎo)航SLAM：VEnus代碼淺析

通過研究具體的代碼我們可以簡單了解VEnus中對于反光柱定位的具體流程。

2023-03-14 標(biāo)簽：導(dǎo)航函數(shù)代碼 2k 0

IMU進(jìn)行普通的3D SLAM能得到什么樣的結(jié)果呢？

此次的優(yōu)化針對的場景是室內(nèi)小場景、室內(nèi)大場景和室外場景下運(yùn)行3D SLAM時，z方向的誤差累積、以及十萬平米（≈400*400）建圖時回環(huán)檢測效率低下的...

2023-03-14 標(biāo)簽：機(jī)器人SLAMICP 2k 0

深度解讀！?VSLAM與VIO的3D建圖，重定位與世界觀綜述

如上圖所示，從非常直觀的感受就能感覺到，這種稀疏的點(diǎn)云，即使構(gòu)建了完整和正確的深度，也是不容易被直觀理解的機(jī)器語言，相對的商業(yè)價值貌似較低。其實(shí)這種認(rèn)知...

2023-03-13 標(biāo)簽：SLAMVIOVSLAM 2.5k 0

一種基于直接法的動態(tài)稠密SLAM方案

基于特征點(diǎn)法的視覺SLAM系統(tǒng)很難應(yīng)用于稠密建圖，且容易丟失動態(tài)對象。而基于直接法的SLAM系統(tǒng)會跟蹤圖像幀之間的所有像素，因此在動態(tài)稠密建圖方面可以取...

2023-03-13 標(biāo)簽：RGBSLAMATE 1.8k 0

工業(yè)機(jī)器人抓取時如何去定位呢？

從機(jī)器視覺的角度，由簡入繁從相機(jī)標(biāo)定，平面物體檢測、有紋理物體、無紋理物體、深度學(xué)習(xí)、與任務(wù)/運(yùn)動規(guī)劃結(jié)合等6個方面深度解析文章的標(biāo)題。

2023-02-28 標(biāo)簽：機(jī)器視覺工業(yè)機(jī)器人pnp 1.2k 0

機(jī)器人設(shè)計的SLAM算法4要素

結(jié)構(gòu)光原理的深度攝像機(jī)通常具有激光投射器、光學(xué)衍射元件（DOE）、紅外攝像頭三大核心器件。

2023-02-24 標(biāo)簽：傳感器機(jī)器人SLAM 615 0

XRSLAM幫你快速搭建移動平臺AR應(yīng)用

XRSLAM[4]是OpenXRLab空間計算平臺中基于C++語言實(shí)現(xiàn)的SLAM算法庫，算法基于單目視覺和IMU實(shí)現(xiàn)了輕量級的VIO，同時支持桌面平臺和...

2023-02-14 標(biāo)簽：算法C++SLAM 1.8k 0

XRSLAM如何快速搭建移動平臺AR應(yīng)用

XRSLAM設(shè)計了靈活易拓展的多傳感器支持，當(dāng)前發(fā)布的版本以單目相機(jī)和IMU作為傳感器輸入，在此基礎(chǔ)上，我們會進(jìn)一步拓展到多目相機(jī)、深度相機(jī)以及廣角相機(jī)...

2023-02-03 標(biāo)簽：傳感器ArSLAM 828 0

將制圖師3D圖形SLAM堆棧用于無人機(jī)導(dǎo)航

本地軌跡生成器組件是SLAM前端的一部分。它使用體素占用網(wǎng)格掃描匹配器和地圖構(gòu)建器來構(gòu)建一組時間緊湊的子地圖，其中每個掃描都插入到兩個相鄰的子地圖中。

2023-02-02 標(biāo)簽：傳感器無人機(jī)SLAM 1.7k 0

一文搞懂神經(jīng)隱式SLAM方法

(TSDF-Fusion, DI-Fusion) 首先介紹一下這個TSDF-Fusion，這個是一種非常經(jīng)典的顯示表達(dá)，最早于1996年提出。它是在每一...

2023-01-31 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)SLAM 1.1k 0

密集單目SLAM的概率體積融合概述

我們提出了一種利用深度密集單目 SLAM 和快速不確定性傳播從圖像重建 3D 場景的新方法。所提出的方法能夠密集、準(zhǔn)確、實(shí)時地 3D 重建場景，同時對來...

2023-01-30 標(biāo)簽：RGBSLAM過濾器 1.1k 0

輻射場的實(shí)時密集單眼SLAM簡析

我們提出了一個新的幾何和光度3D映射管道，用于從單眼圖像中準(zhǔn)確和實(shí)時地重建場景。為了實(shí)現(xiàn)這一目標(biāo)，我們利用了最近在密集單眼SLAM和實(shí)時分層容積神經(jīng)輻射...

2023-01-30 標(biāo)簽：GruSLAMNGP 1.3k 0

用于SLAM的神經(jīng)隱含可擴(kuò)展編碼

我們提出了NICE-SLAM，一個密集的RGB-D SLAM系統(tǒng)，它具有實(shí)時性、可擴(kuò)展性、預(yù)測性和對各種挑戰(zhàn)性場景的魯棒性。

2023-01-30 標(biāo)簽：解碼器RGBSLAM 1.2k 0