1 Lucas19970106

尚未进行身份认证

我要认证

视觉SLAM,激光SLAM,三维重建,图像处理,目标检测,深度学习,自动驾驶

等级
TA的排名 26w+

A SLAM Framework for 2.5D Map Building Based on Low-Cost LiDAR and Vision Fusion

文章目录1. Introduction2. SLAM Framework Based on Graph Optimization3. The SLAM Framework of Low-Cost LiDAR and Vision Fusion4. 2.5D Map Representation and Relocation5. 实验结果5.1 实验平台和环境5.2 建图5.3 重定位6. 总结1. Introduction介绍了两种主流的SLAM方法:LiDAR和Visual,并介绍了其发展过程,然后提

2020-07-26 18:19:41

视觉和激光雷达融合SLAM综述-最新2020

视觉和激光雷达融合SLAM综述

2020-07-26 10:10:24

低成本激光和视觉相结合的同步定位与建图研究

低成本激光和视觉相结合的同步定位与建图研究作者 尹磊,欧勇盛,江国来,彭建盛文章目录低成本激光和视觉相结合的同步定位与建图研究1. 引言2. 主要工作3. 基于图优化的同步定位与地图构建框架3.1 视觉重投影误差3.2 激光的误差4. 后端优化与闭环检测4.1 误差函数4.2 稀疏姿态调整4.3 闭环检测5. 实验结果5.1 实验平台和环境5.2 小范围场景下进行定点定位精度的对比实验5.3 闭环实验5.3 结果分析6. 总结与展望1. 引言    &nbs

2020-07-11 19:20:23

2D激光雷达和视觉相结合的SLAM概述

2D激光雷达和视觉相结合的同步定位与建图概述文章目录2D激光雷达和视觉相结合的同步定位与建图概述1. 2D激光SLAM2. 视觉SLAM3. 多传感器融合4. 总结5. 参考文献1. 2D激光SLAM        由于激光雷达精度高、范围广,早期的 SLAM 研究往往以激光 雷达为主要的传感器。另外,早期的 SLAM采用扩展卡尔曼滤波方法估计机器人的位姿,但效果不好,对于某些强非线性系统,该方法会带来更多的截断误差,从而

2020-07-11 18:15:08

烟雾环境下对RGB图SIFT特征提取,匹配及深度图有效值的影响

作者

2020-07-08 15:28:35

RGB-D相机(Azure Kinect DK)RGB图、深度图的获取,配准与保存

前提:官方apt安装Azure Kinect 传感器 SDK代码AcquiringImages将原始深度图转换到RGB摄像头坐标系下,得到的配准后的深度图,并将转换后的depth图,原始RGB图、原始IR图保存在本地,采集格式仿照TUM数据集,图片的命名格式为时间戳+.png后缀。在这里插入代码片...

2020-07-04 11:04:11

RGB-D相机(Azure Kinect DK)SDK安装

RGB-D相机(Azure Kinect DK)SDK安装文章目录RGB-D相机(Azure Kinect DK)SDK安装1. Azure Kinect 传感器 SDK 下载安装1.1 官方apt安装1.2 SDK源码编译安装1.2.1 SDK源码下载1.2.2 下载依赖项1.2.3 编译1.2.4 连接kinect相机,打开k4aviewer1.2.5 Without Root2. 将 Azure Kinect 传感器流录制到文件中3. 参考1. Azure Kinect 传感器 SDK 下载安装

2020-07-04 10:18:39

基于ORB_SLAM2的可见光结合红外的定位及建图

基于ORB_SLAM2的可见光结合红外的定位及建图一、论文题目:《Visual Search Based Indoor Localization in Low Light via RGB-D Camera》作者:Yali Zheng, Peipei Luo, ShinanChen, Jiasheng Hao, Hong Cheng适应场景:低光照条件下室内场景解决问题:1)移动平台上的室内定位问题;2)在DBOW框架中融合2D红外特征及3D深度特征来提高匹配结果框架:A. 图像预处理首先,利

2020-07-01 17:02:19

图像分割算法

图像分割算法        图像分割是计算机视觉研究中的一个经典难题,已经成为图像理解领域关注的一个热点,图像分割是图像分析的第一步,是计算机视觉的基础,是图像理解的重要组成部分,同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域,使得这些特征在同一区域内表现出一致性或相似性,而在不同区域间表现出明显的不同。简单的说就是在一副图像中,把目标从背景中分离出

2020-06-10 21:28:42

Graph-Cut RANSAC(CVPR 2018)

基于图割优化的RANSAC算法1. 摘要         本文提出了一种新的鲁棒估计算法,叫做图割RANSAC,简称GC-RANSAC。当找到当前最好模型时,该算法在局部优化中使用图割算法来区分内点和外点。本文提出的局部优化算法理论简洁、易于实现,是全局最优解且效率高。         基于仿真合成测试数据和真实图片对的实验表明,GG-RANS

2020-06-10 19:56:58

RANSAC

RANSAC1. 前言        如何稳健地估计本质矩阵或者基本矩阵?基本矩阵求解方法主要有:(1)直接线性变换法         a)8点法         b)最小二乘法(2)基于RANSAC的鲁棒方法。   &n

2020-06-09 16:26:43

Graph Cut

Graph Cut        Graph cuts是一种十分有用和流行的能量优化算法,在计算机视觉领域普遍应用于前背景分割(Image segmentation)、立体视觉**(stereo vision)、抠图(Image matting)等。1. Graph Cuts图        此类方法把图像分割问题与图的最小割(min cut)

2020-06-09 15:50:52

VSO:Visual Semantic Odometry(ECCV 2018)

VSO:Visual Semantic Odometry(ECCV 2018)推荐另外三篇视觉语义里程计论文:. 《Probabilistic Data Association for Semantic SLAM》 ICRA 2017 宾夕法尼亚大学. 《Stereo Vision-based Semantic 3D Object and Ego-motion Tracking for Autonomous Driving》 ECCV 2018 港科大. 《Long-term Visual Loca

2020-05-25 19:26:02

KinectFusion: Real-time 3D Reconstruction and Interaction Using a Moving Depth Camera

KinectFusion: Real-Time Dense Surface Mapping and Tracking主要贡献和特点(1)基于RGB-D相机三维重建的开山之作,首次实现实时稠密的三维重建。(2)通过融合序列图像重建三维重建,如果显卡满足要求重建的帧率可以跟得上深度相机的帧率(30Hz)。(3)通过配准当前帧和模型投影获取的图像计算位姿,比通过配准当前帧和上一帧计算位姿要更加准确。(4)使用 TSDF 模型不断融合深度图像重建三维模型。重建流程...

2020-05-25 19:13:36

Real-Time Fully Incremental Scene Understanding on Mobile Platforms

移动平台上的实时全增量式场景理解(IROS 2018)    本文提出了一种可以在移动设备上实时运行的基于RGB-D相机的在线室内场景理解方案。首先,基于SLAM增量式地重建场景以及计算一个三维几何分割,将每个输入深度图中的场景片段融合成一个全局的三维模型。结合该几何分割和语义标注来实现语义分割,结果以语义地图形式保存。为了实现有效的语义分割,本文利用一个快速增量式的三维描述子对全局模型中的场景片段进行编码,然后利用随机森林来得到每个场景片段的标签。连续帧的预测结果

2020-05-25 11:15:46

RGB-D dense mapping with feature-based method

RGB-D dense mapping with feature-based method    基于ORB-SLAM2和Kintinuous的稠密建图。    系统框图:    系统流程描述:    (1)使用Kintinuous中提出的moving volume来表示当前帧视野范围内的重建区域,不同于kintinous在位姿图优化后用嵌

2020-05-24 19:04:31

RGB-D dense SLAM with keyframe-based method

RGB-D dense SLAM with keyframe-based method    目前,基于特征的视觉SLAM方法趋于成熟阶段。基于特征的视觉SLAM系统通常在不产生稠密表面的情况下计算相机位姿,而稠密SLAM系统同时输出相机位姿以及重建区域的稠密表面。本文结合了基于特征的视觉SLAM和稠密SLAM的两者的优势,基于ORB-SLAM2及ElasticFusion,提出了一种新的RGB-D稠密SLAM系统。    

2020-05-24 18:57:49

Dense Visual SLAM with Probabilistic Surfel Map(PSM)

Dense Visual SLAM with Probabilistic Surfel Map(PSM)本文提出了一种全新的稠密视觉SLAM的概率Surfel图表示方法(PSM),其主要思想是通过对光度和几何不确定性分析建模,来维护一个全局一致的地图。算法的关键在于对传感器的测量不确定性进行合理建模和更新,以及应用这些不确定性改进前端姿态估计和后端优化。文章的主要贡献为:(1)提出了一种能够对测量不确定性进行适当建模的概率Surfel图表示方法(PSM)。(2 )提出了一种机制(主要通过关键帧PSM

2020-05-24 18:45:15

ElasticFusion: Dense SLAM Without A Pose Graph

ElasticFusion: Dense SLAM Without A Pose Graph一、主要贡献surfel-based稠密建图。将surfel分为激活区域和非激活区域,一段时间内未观测到的归入非激活区域。每一帧,尝试把激活模型中当前相机估测位姿部分,登记至非激活模型在当前帧的部分,若登记成功,则检测到闭环,进行非刚体变换。发生闭环的非激活部分再次激活,放入登记的区域。(每一帧把同视角下的激活部分和未观测到的非激活部分匹配,来检测闭环)。对于全局闭环,向随机encoding

2020-05-24 17:21:18

Real-time Scalable Dense Surfel Mapping

Real-time Scalable Dense Surfel MappingORB_SLAM2    采用稀疏视觉SLAM系统中较优秀的ORB-SLAM2作为定位系统,在存在回路的情况下跟踪相机运动并优化位姿图。Surfel_Fusion    A. 超像素的提取    与其他基于surfel的逐像素表面建模方法不同,这里基于从强度和深度图像中提取的超像素来对表面进行建

2020-05-24 16:57:38

查看更多

勋章 我的勋章
  • 领英
    领英
    绑定领英第三方账户获取
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv2
    勤写标兵Lv2
    授予每个自然周发布4篇到6篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。