视觉SLAM的方案总计

by admin on 2019年1月18日

(2017年12月24日,星期天)

       给出了一套完整的RGB-D
SLAM方案,最近得以一贯从ROS中收获其二进制程序,在Google Project
Tango上能够拿到其APP直接行使。

惊奇的树枝,不知蕴藏着咋样的故事。

 

每个季节,都有耀眼的花儿与收获。

以扩大Carl曼滤波为后端,追踪前端异常稀疏的特征点,以相机的眼前情状和所有路标点为状态量,更新其均值和协方差。

我们晌午8点半从小哨火车站出发,经过花庄河、小哨镇、白汉场村、杨官庄水库,回到小哨火车站,逆时针绕行一圈,活动区域位于萨拉热窝长水国际机场西北部,属于官渡辖区。40余位同伴参加运动,手机软件记录徒步离开21公里。行程中冒出了几许次因路况变化带来的“后队变前队”,这对于走山人来说本是常有的事、不乏先例,却影响了行动的进度。为了能碰着回程的列车,后段我们只可以加快步伐、甚至一块跑步,紧赶慢赶,终于在15点39分回到火车站,却遇上前些天的火车晚点了20多分钟,让大家有空子休息了一会儿,平复一下在先紧张的心理,一点微小的不测和挑战让前些天的里程充满了振奋和野趣。

      
将单目直接发应用到了半密布的单目SLAM中,不需要总结特征点,仍可以构建版稠密地图.

“南风又轻轻地吹起,吹动着青草地,草浪缓缓推来推去,景观真赏心悦目。夕阳也照着海内外,绿草披上旦角,草浪夕阳连成一片,真叫人着迷。每当我透过此处,忘掉所有忧虑,还有一条青青小溪,伴着青草地。顺着小溪看下来,木屋站在这边,这是本身温暖的家,我住在这边。”不经意间听到一首久违的老歌《我家在这里》,好像契合了明日的路途,即使辛劳,却乐在其中。

SVO( Semi-direct Visual Odoemtry )

枝藤缠绕、树木交织,摆出各样光怪陆离的样子,大自然是最有创意的戏剧家。

可取:直接法是针对像素举办的;对特色缺失区域不灵敏,半稠密追踪可以确保追踪的实时性和平稳;在cpu上贯彻了半细密地图的重建。

小哨一带的山体地势平缓、升降海拔不大,林木繁茂、草浪纷飞,还有花庄河、杨官庄水库等水系流淌在山野,可谓是景点秀丽,即使是夏季,林中仍旧是繁荣、树荫婆娑。一会儿是珠茶、一会儿是长形叶、一会儿是圆形叶,青色、土色、绿色的落叶密密实实的,将林中小道铺成一条条柔软的叶毯,行走其中,咔擦咔擦的响动在安静的山林中交响,足底按摩的感觉到让我们分外享受。

亮点:原理简单;扶助RGB-D和眼睛传感器,且提供实时的定位和建图功用。

立冬过后,气温下降,早晚温差加大,塞维伯尔尼有些春季的眉眼了。前天活动的始末是坐火车到离麦迪逊40海里以外的小哨转山、转水,那是一条风景极好、路途适中的线路,特别适宜徒步。要早起赶7点45分的列车、还要按时再次来到车站乘坐15点58分重临蒙彼利埃的火车,有限的岁月、不确定的路况带来的争辨,就是对我们最大的考验,总会让走这一总长的活动充满了未知的振奋,却连年有惊无险的后果,甚好。

MoNoSLAM:https://github.com/hanmekim/SceneLib2

ORB-SLAM(继承并立异PTAM)http://webdiis.unizar.es/~raulmur/orbslam/

症结:场景小,跟踪容易遗失。

亮点:速度极快,在低端总括平台上也能达成实时性,适合统计平台受限的场子。

      
缺点:对于每幅图像都急需总计ORB特征耗时大。三线程给CPU带来较大负担,在直接到嵌入式设备上有一定的难堪,ORB-SLAM的建图为稀疏特征点,只可以满足一定功能。

遵照稀疏直接法的视觉里程计,在落实中,使用了4×4的小块举行块匹配,猜度相机资自身的位移。

亮点:提议并促成了跟踪与建图过程的并行化,将左右端分离,使用非线性优化方案,既可以实时的平素与建图,也足以在编造平面上叠加物体。

PTAM( Parallel Tracking And Mapping
)
http://www.robots.ox.ac.uk/~gk/PTAM

症结:在平视相机中表现糟糕;放任了后端优化和环绕检测部分,SVO的位姿估摸留存统计误差,并且丢失后不太容易开展重一直。

亮点:泛用性:襄助单目,双目,RGB-D两种模式。整个系列围绕ORB特征举办统计,在效能与精度之间形成了平衡,并围绕特征点举行了优化。其围绕检测算法能够使得地防范误差的累积。使用两个线程完成SLAM,取得了较好的跟踪和建图效果,可以确保轨迹和地图的全局一致性。

缺陷:MoNoSLAM存在利用场景窄,路标数量有限,周详特征点分外容易丢失等毛病,现在一度截至了对其支付。

缺陷:对相机内参和曝光十分乖巧,并且在相机急忙移动时便于遗失,在围绕检测部分,没有平昔基于直接发实现,依Wright征点方程举办回环检测,尚未完全摆脱特征点的总括。

       紧要原理是:
从版画图像上捕捉特征点,然后检测出平面,在检测出的平面上创立虚拟的3D坐标,然后合成水墨画图像和CG。其中,独特之处在于,立体平面的检测和图像的合成采用并行处理。

RTAB-MAP(RGB-D传感器上的SLAM方案)

症结:集成度高,庞大,在其上开展二次开发困难,适合作为SLAM应用而非研究拔取。

LSD-SLAM(Large Scale Direct monocular SLAM)

优点:在二〇〇七年,随着总括机性能的升级,以及该序列用稀疏的不二法门处理图像,使得该方案使得SLAM系统可以在线运行。(在此以前的SLAM系统是基本无法在线运行的,只好靠机器人指引相机采集的数量,再离线举行固定和建图。)

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图