标签:used semantic 结合点 语义 SLAM2 SLAM 深度 ORB
1、用深度学习方法替换传统SLAM中的一个/几个模块
- 特征提取,特征匹配,提高特征点稳定性,提取点线面等不同层级的特征点。
- 深度估计
- 位姿估计
- 重定位
- 其他
2、在传统SLAM之上加入语义信息(毕设相关)
- 图像语义分割
- 语义地图构建
3、端到端的SLAM
- 机器人自主导航(深度强化学习)等
2.1 Semantc SLAM
特点:
- ORB_SLAM2, used as our SLAM backend.
- pytorch-semseg, used as our semantic segmantation library.
- octomap, used as our map representation.
- pcl library, used for point cloud processing.
2.2 ORB-SLAM2+YOLO3
Qi X, Yang S, Yan Y. Deep Learning Based Semantic Labelling of 3D Point Cloud in Visual SLAM[C]//IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2018, 428(1): 012023.
国防科技大学高性能计算国家重点实验室
code:orb-slam2_with_semantic_label
2.3 Meaningful maps with object-oriented semantic mappng
Sünderhauf N, Pham T T, Latif Y, et al. Meaningful maps with object-oriented semantic mapping[C]//2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2017: 5079-5085.
ORB-SLAM2+SSD
2.4 DynaSLAM: Tracking, mapping, and inpainting in dynamic scenes
ORB-SLAM2 + Mask R-CNN
code:DynaSLAM
2.5 DA-RNN: Semantic mapping with data associated recurrent neural networks
RNN+CNN 语义分割
2.6 Ds-slam: A semantic visual slam towards dynamic environments
SegNet+ORB SLAM2
2.7 Maskfusion: Real-time recognition, tracking and reconstruction of multiple moving objects
MaskFusion + ElasticFusion
标签:used,semantic,结合点,语义,SLAM2,SLAM,深度,ORB 来源: https://www.cnblogs.com/bupt213/p/12088409.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。