從算法角度看 SLAM（第 2 部分）

作者： Aswin S Babu 正如我們?cè)赱第 1 部分]中所討論的，SLAM 是指在無(wú)地圖區(qū)域中估計(jì)機(jī)器人車輛的位置，同時(shí)逐步繪制該區(qū)域地圖的過(guò)程。...

2024-10-02 標(biāo)簽：濾波器算法SLAM 1.6k 0

FSD漸入佳境，視覺(jué)方案還在機(jī)器人中“打醬油”？

一邊是技術(shù)圈頂流，一邊在當(dāng)前行業(yè)應(yīng)用中沒(méi)什么存在感。

2024-07-12 標(biāo)簽：算法SLAM掃地機(jī)器人 1.6k 0

如何將每個(gè)框架插入到SLAM框架中

LinK3D的核心思想和基于我們的LinK3D的兩個(gè)LiDAR掃描的匹配結(jié)果。綠色線是有效匹配。當(dāng)前關(guān)鍵點(diǎn)（黑色，CK）的描述符用其相鄰關(guān)鍵點(diǎn)來(lái)表示。描...

2024-04-30 標(biāo)簽：SLAM濾波算法 1.3k 0

深度解析深度學(xué)習(xí)下的語(yǔ)義SLAM

隨著深度學(xué)習(xí)技術(shù)的興起，計(jì)算機(jī)視覺(jué)的許多傳統(tǒng)領(lǐng)域都取得了突破性進(jìn)展，例如目標(biāo)的檢測(cè)、識(shí)別和分類等領(lǐng)域。近年來(lái)，研究人員開(kāi)始在視覺(jué)SLAM算法中引入深度學(xué)...

2024-04-23 標(biāo)簽：傳感器機(jī)器人SLAM 2.2k 0

基于多攝像頭的高魯棒性視覺(jué)SLAM系統(tǒng)設(shè)計(jì)

本文的主要目標(biāo)是通過(guò)擴(kuò)展ORB-SLAM2的功能來(lái)增強(qiáng)準(zhǔn)確性，從多個(gè)攝像頭中的姿態(tài)估計(jì)和地圖重用開(kāi)始。所有這些多攝像頭的圖像特征將被合并到跟蹤模塊中進(jìn)行...

2024-04-20 標(biāo)簽：攝像頭SLAM數(shù)據(jù)集 2.4k 0

常用的RGB-D SLAM解決方案

BundleFusion是一種稠密的實(shí)時(shí)室內(nèi)場(chǎng)景三維重建算法框架。輸入為RGB-D相機(jī)采集的并且是對(duì)齊好的RGB圖像和深度圖的數(shù)據(jù)流。輸出為重建好的稠密...

2024-04-16 標(biāo)簽：機(jī)器人gpuSLAM 2.3k 0

工程實(shí)踐中VINS與ORB-SLAM的優(yōu)劣分析

ORB-SLAM是一種基于特征的單目視覺(jué)SLAM系統(tǒng)，廣泛用于實(shí)時(shí)三維地圖構(gòu)建和機(jī)器人定位。該系統(tǒng)使用ORB特征進(jìn)行高效的視覺(jué)識(shí)別和地圖重建，支持關(guān)鍵幀...

2024-04-08 標(biāo)簽：機(jī)器人移動(dòng)機(jī)器人SLAM 5.7k 1

視覺(jué)慣性里程計(jì)（VIO）在運(yùn)動(dòng)估計(jì)中的優(yōu)勢(shì)及應(yīng)用

視覺(jué)傳感器在大多數(shù)紋理豐富的場(chǎng)景中效果很好，但是遇到玻璃或白墻這樣特征少的場(chǎng)景就很難有效工作了。盡管如此相機(jī)數(shù)據(jù)的優(yōu)點(diǎn)在于數(shù)據(jù)基本不會(huì)有漂移。

2024-03-18 標(biāo)簽：傳感器視覺(jué)傳感器SLAM 4.5k 0

基于濾波器的激光SLAM方案

激光 SLAM 任務(wù)是搭載激光雷達(dá)的主體于運(yùn)動(dòng)中估計(jì)自身的位姿，同時(shí)建立周圍的環(huán)境地圖。而準(zhǔn)確的定位需要精確的地圖，精確的地圖則來(lái)自于準(zhǔn)確的定位，定位側(cè)...

2024-03-04 標(biāo)簽：傳感器濾波器SLAM 1.8k 0

從基本原理到應(yīng)用的SLAM技術(shù)深度解析

LSD-SLAM 即 Large-Scale Direct SLAM，兼容單目相機(jī)和雙目相機(jī)。LSD-SLAM是一種基于光流跟蹤的直接法SLAM，但是實(shí)...

2024-02-26 標(biāo)簽：傳感器gpuSLAM 1.7萬(wàn) 0

深度解析：多傳感器融合SLAM技術(shù)全景剖析

SLAM中，先驗(yàn)值通常從一系列傳感器獲得，比如慣性測(cè)量單元（IMU）和編碼器，而觀測(cè)值則是通過(guò)GPS、相機(jī)和激光雷達(dá)等其他傳感器獲取的，后驗(yàn)值是融合了先...

2024-02-23 標(biāo)簽：傳感器編碼器SLAM 5.7k 1

基于NeRF/Gaussian的全新SLAM算法

基于NeRF的SLAM算法采用全局地圖和圖像重建損失函數(shù)，通過(guò)可微分渲染捕獲稠密的光度信息，具有高保真度。

2024-01-26 標(biāo)簽：機(jī)器人算法攝像機(jī) 1.4k 0

3D激光雷達(dá)SLAM算法綜述

一方面獲取傳感器采集的各幀數(shù)據(jù)對(duì)應(yīng)的局部坐標(biāo)系的位置和姿態(tài)是構(gòu)建地圖的關(guān)鍵， 即建圖包含了定位問(wèn)題; 另一方面構(gòu)建準(zhǔn)確的地圖又是精確定位的前提， 因此，...

2024-01-18 標(biāo)簽：傳感器SLAM激光雷達(dá) 4.3k 0

動(dòng)態(tài)環(huán)境中基于神經(jīng)隱式表示的RGB-D SLAM

神經(jīng)隱式表示已經(jīng)被探索用于增強(qiáng)視覺(jué)SLAM掩碼算法，特別是在提供高保真的密集地圖方面。

2024-01-17 標(biāo)簽：機(jī)器人RGB編解碼器 1.7k 0

基于NID-SLAM對(duì)神經(jīng)SLAM在動(dòng)態(tài)環(huán)境下的性能提升

TUM數(shù)據(jù)集上相機(jī)跟蹤結(jié)果，評(píng)價(jià)指標(biāo)是ATE RMSE [ m ] (↓)，表示相關(guān)文獻(xiàn)未提及這個(gè)數(shù)據(jù)。

2024-01-12 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)SLAM 908 0

激光SLAM：Faster-Lio算法編譯與測(cè)試

Faster-LIO是基于FastLIO2開(kāi)發(fā)的。FastLIO2是開(kāi)源LIO中比較優(yōu)秀的一個(gè)，前端用了增量的kdtree（ikd-tree），后端用了...

2024-01-12 標(biāo)簽：算法仿真SLAM 5.6k 0

如何用3D Occupancy處理遮擋問(wèn)題下的圖像匹配？

圖像匹配是各種視覺(jué)應(yīng)用中基本且關(guān)鍵的任務(wù)，如同時(shí)定位與地圖構(gòu)建( Simultaneous Localization and Mapping，SLAM ...

2024-01-06 標(biāo)簽：SLAM圖像匹配 1.5k 0

4D毫米波雷達(dá)SLAM方案調(diào)研

Multipath 多路徑反射: 對(duì)于同一個(gè)物體，產(chǎn)生了多個(gè)不同的檢測(cè)路徑，信號(hào)在返回過(guò)程中，除了直接返回的信號(hào)，也存在被墻體，地面反射的信號(hào)，這些信號(hào)...

2024-01-05 標(biāo)簽：信號(hào)處理雷達(dá)SLAM 1.4k 0