初识SLAM本讲主要内容：什么是视觉SLAM视觉SLAM框架由哪几个模块组成各模块的任务是什么什么是视觉SLAMSLAM(simultaneous localization and mapping)，同时定位与建图。想象一下把一台小机器人放在一个陌生环境中，我们要求它有自主运动的能力，可以在房间里自由的移动，那么，其至少需要知道两件事：我在哪？——定位。周围环境怎么样？——建图。借助摄像头完成上述
近年来，SLAM技术取得了惊人的发展，领先一步的激光SLAM已成熟的应用于各大场景中，视觉SLAM虽在落地应
转载
2021-07-16 16:56:14
523阅读
SLAM包含了两个主要的任务：定位与构图，在移动机器人或者自动驾驶中，这是一个十分重要的问题：机器人要精确的移动，就必须要有一个环境的地图，那么要构建环境的地图就需要知道机器人的位置。本系列文章主要分成四个部分：在第一部分中，将介绍Lidar SLAM，包括Lidar传感器，开源Lidar SLAM系统，Lidar中的深度学习以及挑战和未来。第二部分重点介绍了Visual SLAM，包括相机传感器
转载
2022-10-05 10:41:38
722阅读
如题
转载
2021-07-15 13:31:21
741阅读
深度学习在视觉SLAM方向的可行性/方向
转载
2021-11-30 14:12:29
4763阅读
初学SLAM，参照着高翔博士的视觉slam十四讲做的笔记，大家可以参考这本书，我只是为了个人以后复习回顾用。SLAM 是什么？SLAM 是 Simultaneous Localization and Mapping 的缩写，中文译作“同时与地图
原创
2021-11-30 09:46:37
392阅读
# 如何实现深度学习SLAM源码
## 流程概述
为了实现深度学习SLAM源码，我们需要按照以下步骤进行操作。下面的表格展示了整个流程的步骤：
```mermaid
gantt
title 深度学习SLAM源码实现流程
dateFormat YYYY-MM-DD
section 制定计划
学习SLAM理论 :done, 2023-01-01, 7d
视觉SLAM十四讲SLAM (simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization),即时定位与地图构建，或并发建图与定位。1 视觉SLAM十四讲ch1~2https://www.bilibili.com/video/BV16t411g7FR?from=search&seid=1
原创
2022-04-11 16:16:19
392阅读
Simultaneous localization and mapping（及时定位与地图构建）简称SLAM，主要用于解决机器人在未知环境运动时的定位与地图构建问题，近期在学习SLAM相关的理论，为了更进一步的了解 SLAM ，将SLAM相关的基础知识进行一些总结，以下将从SLAM的应用领域、SLAM框架方面来进行全面阐述：一、SLAM的典型应用领域机器人定位导航领域： SLAM 可以辅助机器人执
转载
2023-06-20 09:58:59
101阅读
视觉SLAM十四讲第10讲10.1 理论部分9.2 实践部分 第10讲10.1 理论部分这一部分算是对第9讲的补充吧。1）BA基本问题之前说过，BA是一种批量处理的非线性优化方法，因此BA的规模是一个不可避免的问题。下面是常见的几种控制规模的方法。① 从普通帧中选出关键帧，仅构造关键帧与路标点之间的BA。但关键帧数目过多规模同样会增大。② 滑动窗口法，仅保留离当前时刻最近的N个关键帧。但若相机静
介绍Slam：同步定位与建图，就是在定位的同时，建立环境地图。主要思路是根据运动学模型计算位姿，并通过传感得到的环境信息，对估计位姿调整优化，从而得到准确位姿，根据定位及感知数据绘制地图。下图为slam主流框架：传感器感知在视觉SLAM中主要为传感信息的读取和
转载
2023-02-05 09:57:31
473阅读
1.Eigen库介绍Eigen是一个 C++ 开源线性代数库。它提供了快速的有关矩阵的线性代数运算，还包括解方程等功能。可以通过sudo apt inst
原创
2023-02-17 10:06:15
115阅读
首先一个完整的SLAM流程分为前端跟踪、后端优化、回环检测、地图重建。
前端跟踪即视觉里程计负责初步估计相机帧间位姿状态及地图点的位置;
后端优化负责接收视觉里程计前端测量的位姿信息并计算最大后验概率估计;
回环检测负责判断机器人是否回到了原来的位置，并进行回环闭合修正估计误差;
地图重建负责根据相机位姿和图像，构建与任务要求相
转载
2023-05-22 22:44:21
94阅读
# 深度学习SLAM（Simultaneous Localization and Mapping）技术综述
## 一、引言
SLAM是指机器人在未知环境中同时进行定位和地图构建的技术，它在自动驾驶、无人机等领域具有重要意义。随着深度学习技术的发展，深度学习SLAM也逐渐受到关注。本文将介绍2022年最新的深度学习SLAM论文，以及相关的代码示例。
## 二、2022深度学习SLAM论文综述
SIFT算法SIFT即尺度不变特征变换，是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。一、SIFT算法特点：1、具有较好的稳定性和不变性，能够适应旋转、尺度缩放、亮度的变化，能在一定程度上不受视角变化、仿射变换、噪声的干扰。 2、区分性好，能够在海量特征数据库中进行快速准确的区分信息进行匹配 3、多量性，就算只有单个物体，也能产生大量特征向量
一.例子如上图的小萝卜机器人，要使其具有自主运动能力至少需要两个条件：1. 我在什么地方？——定位。2. 周围环境是什么样？——建图。因此它既需
原创
2023-02-17 10:05:43
652阅读
定位技术是机器人实现自主定位导航的最基本环节，是机器人在二维工作环境中相对于全局坐标的位置及其本身的姿态。目前SLAM （Simultaneous Localization and Mapping即时定位与地图构建）是业内主流的定位技术，有激光SLAM和视觉SLAM之分。什么是激光SLAM？激光SLAM脱胎于早期的基于测距的定位方法(如超声和红外单点测距)。激光雷达(Light Det
转载
2023-05-18 10:24:37
149阅读
深度信息恢复是计算机视觉领域的一个重要研究内容。使用传统的光学成像系统对不同距离的物体成像时，需要机械移动会造成图像放大率变化，导致深度测量产生误差。近年来，电控调焦的液晶透镜光学成像系统已实现对焦、变焦、深度测量等功能，利用液晶透镜光学成像系统进行双目立体视觉深度测量可以扩张双目深度测量范围。 双目立体视觉深度测量步骤 在对液晶透镜的光焦度和像差等光学特性的研究过程中，研究发现了液晶透镜
这里重点在RNN/LSTM的应用。
11. DeepVO: Towards End-to-End VO with Deep Recurrent CNNs
基本上这个方法是依赖CNN提取的特征在RNN（LSTM）学习pose的连续估计。如图所示
更细致的RNN网络结构如图
其中的LSTM结构图如下
12. GANVO: Unsupervised Deep Monocular Visual O
转载
2020-08-09 13:40:14
293阅读
最近也看了一些VSLAM综述文章，这里收集一些论文推荐供参考。1。Deep Direct Visual Odometry这篇论文把DL模型的姿态估计做为传统方法DSO的初始化。如图DL 模型架构图如下基于非监督学习的训练框架如下（同时还有depth估计一起训练）2。Deep Virtual Stereo Odometry: Leveraging Deep Depth
转载
2020-08-09 13:39:28
440阅读
