基于视觉的 SLAM 综述:从几何建模到基于学习的语义场景理解
介绍了一种使用语义特征的视觉惯性里程计系统 SemanticSLAM,可以在室内环境中进行可靠的相机定位,改善位姿估计并生成语义地图,可用于路径规划、避障和机器人导航等下游任务。
Jan, 2024
该论文描述了如何支持应用专家在选择和配置适当的算法和适当的硬件编译路径,在 SLAM(同时定位和制图)应用中实现算法交付的工具和方法,包括系统定量评估 SLAM 算法的工具和方法,自动化的机器学习指导算法和实现设计空间的探索,以及用于优化异构、加速架构的端到端模拟工具。
Aug, 2018
本文综述了基于事件相机的 vSLAM 算法,介绍了事件相机及其预处理的事件数据的各种事件表示方法,并将基于事件相机的 vSLAM 方法分为四类,包括基于特征的、基于直接法的、基于运动补偿的和深度学习的方法,并对每种方法进行了详细的讨论和实用指导。此外,该文对各类方法在不同基准测试中的表现进行了评估,突出了当前这一新兴研究领域面临的挑战和未来的机遇。
Apr, 2023
提出一种新型的 VSLAM 系统 LIFT-SLAM,将基于深度学习的特征描述符与传统基于几何的 VSLAM 相结合,实现在保证鲁棒性的前提下,提高传统 VSLAM 系统的性能,并通过实验证明所提出的方法可实现和当前最先进的技术水平相媲美的性能,并且其对传感器噪声具有鲁棒性。同时,通过避免特定数据集的参数调整,增强了所提出 VSLAM 管线的性能。
Mar, 2021
本研究提出了一种新的自我监督的 SLAM(iSLAM)框架,通过前后端之间的互补纠正,大幅提高了系统的泛化能力,实现了高达 45% 的精度提升。这是第一个自我监督的 SLAM 系统,表明前端和后端可以共同学习,在不需要外部监督的情况下相互促进。
Jun, 2023
本研究针对移动机器人在动态和复杂环境下自主导航和任务执行的困难,提出了一种基于 LiDAR 和单目视觉 SLAM 的紧耦合几何特征融合框架方法,是当前多模态方法中姿态估计更为精确和健壮的。
Jul, 2023
本文在单目 SLAM 框架中嵌入了实时深度学习的目标检测器,将普通物体表示为四面体,进一步细化物体重建,检测附加平面标志并建模为独立地标志,可大幅提高系统的定位性能和语义地图的丰富程度。
Sep, 2018
本文提出一种名为 DS-SLAM 的鲁棒的语义视觉 SLAM 方法,旨在解决动态环境下的 SLAM 问题,通过将语义分割网络与运动一致性检查方法相结合,提高了在动态环境下的本地化精度,同时生成了一个稠密的语义八叉树地图,可用于高级任务中。经过多组测试,DS-SLAM 的绝对轨迹精度比 ORB-SLAM2 提高了一个数量级,是当前高动态环境下最先进的 SLAM 系统之一。
Sep, 2018
关于 Simultaneous Localization and Mapping (SLAM) 的论文综述,介绍了 SLAM 的标准公式化表达和相关工作,探讨了挑战和新领域,并提出了值得深入研究的问题和开放挑战。
Jun, 2016