【阅读文献】单目视觉SLAM方法综述【1】~单目视觉SLAM分类方法
目录
1 单目视觉SLAM分类方法
1.1 基于概率框架的单目视觉SLAM
1.2 基于非概率框架的单目视觉SLAM方法
SLAM最先由Smith Self 和 Cheeseman于1987年提出,被认为是实现移动机器人真正自主的关键。
视觉传感器信息量大、灵活性高、成本低,其他传感器无法比拟,随着计算机视觉的发展和计算能力的增强,出现了大量利用摄影机作为传感器的视觉SLAM方法。
单目视觉SLAM仅使用一个摄像头,具有系统结构简单、成本低且易实现。
1 单目视觉SLAM分类方法
根据是否采用概率框架,分为两类:
- 基于概率框架的单目视觉SLAM
- 非概率框架的单目视觉SLAM
1.1 基于概率框架的单目视觉SLAM
总体思路:在给定了从初始时刻到当前时刻的控制输入以及观测数据的条件下,构建一个联合后验概率密度
函数来描述摄像机姿态和地图特征的空间位置。通过递归的贝叶斯滤波方法对此概率密度函数加以估计,
从而实现摄像机SLAM。
在该类方法中,使用扩展卡尔曼滤波实现SLAM是一种常见的解决方案:
- Davison实现了一种基于扩展卡尔曼滤波的实时单目SLAM系统--MonoSLAM
- Lemaire利用matlab实现了一个基于扩展卡尔曼滤波的单目SLAM仿真实验系统
- Roussillon利用高速摄像机实现了基于EKF的实时单目视觉SLAM系统RTSLAM
此外,还有利用粒子滤波概率滤波器实现单目视觉SLAM方法::
为了改进系统非线性给EKF带来的影响,无迹卡尔曼滤波器也被引入到单目时间SLAM算法中,但是比EKF增加了计算复杂度。
- Sim提出一种基于例子滤波的SLAM方法。原理是将运动路径和地图的联合后验分布估计问题分解为用例子滤波器对运动路径的估计问题和在已知路径下的路标估计问题。
- 然而,为保证定位精度,在复杂场景和运动中需要较多粒子,大大增加算法复杂度,重采样容易导致样本贫化等问题
1.2 基于非概率框架的单目视觉SLAM方法
主要是基于关键帧和稀疏捆绑调整等优化算法实现:
- Mouragnon利用摄像机最近采集的固定数目的图像作为关键帧,进行局部捆绑调整优化,以实现SLAM
- Klein提出一种基于关键帧的单目视觉SLAM系统PTAM。该系统利用一个线程对摄像机姿态进行跟踪,同时利用另外一个线程对关键帧数据以及所有特征点的空间位置进行捆绑调整,进而实现SLAM
基于图优化的SLAM方法也逐渐被引入到单目视觉SLAM中
顾照鹏, et al. "单目视觉同步定位与地图创建方法综述." 智能系统学报 10.4(2015):499-507.
【阅读文献】单目视觉SLAM方法综述【1】~单目视觉SLAM分类方法相关推荐
- 文献学习(part23)--双向聚类方法综述
学习笔记,仅供参考,有错必纠 文章目录 双向聚类方法综述 摘要 引言 双向聚类方法 稀疏双向聚类 谱双向聚类 信息双向聚类 双向聚类方法综述 摘要 传统的聚类方法由于无法提取样本和变量间的局部对应关系 ...
- SLAM综述(1)-Lidar SLAM
分 享 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 ...
- 高速场景下自动驾驶车辆定位方法综述
文章:A Survey of Localization Methods for Autonomous Vehicles in Highway Scenarios 作者:Johann Laconte ...
- 用于自动驾驶的激光雷达里程计方法综述
文章:LiDAR Odometry Methodologies for Autonomous Driving: A Survey 作者:Nikhil Jonnavithula1 , Yecheng L ...
- 刚体6D位姿估计方法综述
本文同步于微信公众号:3D视觉前沿,欢迎大家关注. 1 引言 刚体的6D位姿估计,是指估计相机坐标系下物体的6D位姿,即3D位置和3D姿态,此时原始物体本身的坐标系可以看作是世界坐标系,也即得到原始物 ...
- SLAM技术综述与入门
本文主要对SLAM技术进行介绍,叙述了VSLAM的框架及关键技术和方法,并总结了目前已有的VSLAM系统和相关资料,最后介绍kinect相机在ROS下的配置,实现rgb图像和深度图像的检测. SLAM ...
- 【阅读文献】单目视觉SLAM方法综述【4】~特征点深度获取+地图尺度控制
2.3 特征点深度的获取 单目摄像机相当于Bearing(方向) Only类传感器,不能立刻获得深度信息. 特征点深度获取方法主要有以下3种: 几何三角化.反深度(inverse depth).粒子滤 ...
- 一文读懂单目视觉SLAM分类方法~基于概率框架和非概率框架
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 联盟成员读书笔记带你深入理解单目SLAM SLAM最先由Smith Self 和 Cheeseman于1987年提出 ...
- AR设备单目视觉惯导SLAM算法综述与评价
点云PCL免费知识星球,点云论文速读. 标题:Survey and evaluation of monocular visual-inertial SLAM algorithms for augmen ...
最新文章
- Xcode 6 UITextField 键盘不弹出
- 如何开发利用计算机字体,如何利用PS来制作水纹特效字体
- wxWidgets:wxCommandEvent类用法
- oracle-审计3
- 遇到相同流程时,(在流程比较复杂时)「【充分利用】 在【 之前的 作业过程中 做成的(留下的) 资源】」 ~
- [转载]Magento 店铺多语言设置
- 绝对定位元素、浮动元素会生成一个块级框
- 栈-剑指 Offer 30. 包含min函数的栈
- Intellij IDEA 创建Hadoop开发工程
- php 网站地图 在线生成 代码,WordPress免插件生成完整站点地图(sitemap.xml)的php代码...
- CAD字体显示不出来怎么办?
- Struts2通配符错误问题
- 挑战大数据 金仓助力三农自助支付系统
- 【信息安全】数据安全与信息安全
- App Links的使用以及坑
- ORB-SLAM3相对于ORB-SLAM2有哪些优势?
- 服务器安装360文档卫士,360文档卫士官方版_360文档卫士详细使用方法
- docker desktop 点击setting 一直转圈圈
- 绿联USB对拷线MAC版使用经验踩坑分享(支持macOS11 BigSur系统及以下)
- kubectl查看node状态_K8S故障排除方法 - 笃行之 - 博客园
热门文章
- trueOS能装linux软件,TrueOS 17.12发布下载,一款基于FreeBSD的桌面Linux系统
- unable to load Private Key 6572:error:0906D06C:PEM routines:PEM_read_bio:no start line:.\crypto\pem\
- python抓取视频中的人物动作,并生成3D的bvh
- 谜语(发送给你的爱人吧)
- LeetCode——字节跳动系列题目
- 【Linux】MBR磁盘分区表只能有四个分区?
- 手机开机启动慢是什么原因_手机开机的速度太慢怎么办
- 二叉树的先中后序递归和非递归遍历(数据结构作业)
- 佳博80250打印机怎么看打印机IP
- 如何在C ++ 中分割PDF档案?试试Aspose