[SLAM] 传感器总结
本文对SLAM中常见的传感器做出总结,以对SLAM输入端有一个比较全面的理解,分为相机类和非相机类
此处先给出需要的几个概念:
运动Motion:表示相机的位姿变换
结构Structure:场景中物体的远近和大小
尺度Scale:恢复的场景和真实场景相差的比例
1.相机类
相机按照最常用的可以分为单目相机、深度相机和双目相机;
除此之外还有全景相机和事件相机等,由于本人没深入了解过,后续再补充;
1.1 单目相机
特点:结构简单、成本低
数据:3D场景在相机平面的投影
原理:需要移动相机视角,本质上基于:
①图像中的物体移动会和相机视角移动方向相反,例如:相机朝左移动,画面中的静止物体会向右移动
②根据视差判断物体距离的远近(相对),例如:近处物体移动快,远处物体移动慢,即三角化
缺点:失去了3D场景的深度信息,因此恢复出的结构只有相对大小关系,与真实情况之间相差了一个尺度!
1.2 双目相机
双目相机采集同一时刻的两张照片帧数据,在恢复深度的时候由于采集信息的相机之间距离(基线Baseline)固定,即解决了尺度的问题,因为有一个确切的距离是真实尺度下的,将所有信息与该尺度对齐即可恢复真实尺度的结构。
特点:没有尺度问题;双目的探测距离与基线距离有关,基线距离越大探测深度越大,可以理解为:对于相同距离的点,基线距离越大对应的观测角越大,恢复的深度就越准确,因此自动驾驶场景下需要基线距离较大的双目相机;
数据:3D场景在左右目相机平面的投影
原理:根据左右目固定的视差,推断场景中物体的距离以获得深度;如下图所示,本质上是两个相似三角形的关系, Δ P O R O T ≃ Δ P p p ′ \Delta PO_RO_T \simeq \Delta Ppp' ΔPOROT≃ΔPpp′
缺点:双目相机需要准确标定,标定过程较为复杂+探测距离受到分辨率和基线距离的限制+视差计算比较耗时(计算是主要问题)
1.2 RGB-D相机
在单目相机的基础上增加了基于物理结构测量距离的模块,在输出RGB图片的同时可以得到每个像素对应的深度映射
特点:硬件层面直接输出深度,不需要像双目一样计算
数据:图片+深度图(由红外结构光产生的)
原理:利用红外结构光和time of light原理,通过发射出去和接收回来的光计算距离
缺点:测量范围小,误差大,受光线影响大,无法探测透射材质等,因此主要应用在室内
2. 非相机类
2.1 激光雷达
缺点:受天气和环境影响(烟雾、粉尘、雨雪、沙尘等)+ 价格昂贵
2.2 毫米波雷达
缺点:数据稳定性差+对金属敏感+高度信息缺失
一个毫米波采集数据的例子为:蓝色为静态,红色为动态;观察发现蓝色基本在一直线上(是道路两边的护栏),希望这个例子能够帮助理解毫米波的缺点
2.3 IMU
特点:
数据:
原理:
缺点:
2.4 GPS
特点:
数据:
原理:
缺点:
3. 各传感器总结
各传感器特点
自动驾驶场景下各传感器的一种分布情况
[SLAM] 传感器总结相关推荐
- SLAM传感器篇:Velodyne激光雷达
VLP-16 & HDL-64E激光雷达 主要参数: VLP-16基本特性 稍微介绍一下,扫描频率越高,短时间可以获取更多数据,在机器人运动速度快的时候可以获取连续性较好的数据,有利于SLAM ...
- SLAM传感器篇:深度相机
深度相机,指可获取场景中物体与摄像头之间物理距离的相机.主流深度相机通常由多种镜头.光学传感器组成,根据基本原理可以分为:飞行时间法.结构光法.双目立体视觉法. 相机成像模型 在研究深度相机之前,先来 ...
- SLAM: SLAM的发展历程(WIKI)
参考维基百科: https://en.wikipedia.org/wiki/Simultaneous_localization_and_mapping 你们叫他SLAM,我还是习惯叫他三维重建.... ...
- 计算机视觉之三维重建——深入浅出SFM系统与SLAM系统的核心算法
文章目录 第一章:摄像机几何 1. 针孔模型&透镜 1.1 小孔成像原理 1.2 针孔相机数学模型 1.3 透镜 (1)焦距 (2)近轴折射模型(带透镜的小孔成像模型) (3)失焦 (4)径向 ...
- [翻译学习]MonoSLAM: Real-Time Single Camera SLAM
目录 1.介绍 1.1本文的贡献 2.研究现状 2.1基于视觉的SLAM 3.方法 3.1概率三维地图 3.2自然视觉地标 3.3系统初始化 3.4运动建模与预测 3.5主动特征测量和地图更新 3.6 ...
- SLAM---初识SLAM
文章目录 1. SLAM概述 1.1 定位 1.2 地图构建 2. SLAM使用的传感器 2.1 激光雷达 2.2 视觉传感器 2.2.1 单目相机 2.2.2 双目相机 2.2.3 RGBD 3. ...
- 漫谈SLAM技术(上)
转:https://www.cnblogs.com/qcloud1001/p/7978238.html 文章在几种slam项目方面做了很好的介绍,但是在滤波器和图优化那讲的不够清楚,可以做补充- 导语 ...
- DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM 论文笔记
DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM 论文笔记 参考文章 知乎 https://zhuanlan.zhihu.com/ ...
- 【泡泡机器人转载】SLAM: 现在,未来和鲁棒年代
摘要 SLAM是由同步环境地图构建和运行于其中的机器人状态估计组成.SLAM领域过去30年取得了令人瞩目的成就,其在大场景应用成为了可能,这一技术被见证了成功地被应用于工业领域.本文中,我们研究了SL ...
最新文章
- 0x42.数据结构进阶 - 树状数组
- linux怎样创建硬链接,Linux下创建软、硬链接
- 虚拟现实技术的发展和分类
- python画树叶-手把手|如何用Python绘制JS地图?
- html语言调用图片,css文件中怎么引用图片?
- BZOJ 4241 分块
- 测测实际带宽,预防使用“假带宽”
- 三个关于“契约精神”的故事(转)
- 转电感和磁珠两兄弟的差别
- 错误未找到引用源_你好,C++(77)12.1 用右值引用榨干C++的性能
- 深入Atlas系列:客户端网络访问基础结构(上) - WebRequest的工作流程与生命周期...
- ibm服务器aix系统查看cpu,IBM AIX系统硬件信息查看命令(shell脚本)
- 软件测试视频教程下载:APP测试类型和方法
- Vue导出excel文件
- 中艺人脸识别考勤机使用方法_人脸识别考勤机说明书及使用方法
- 一款非常好看的婚纱请柬设计英文字体
- 一个支持国密SM2/SM3/SM4/SM9/ZUC/SSL的密码工具箱
- .NET生成ICO图标
- chromium之WebUI
- Excel表格的时间设置
热门文章
- 一篇文章教你如何写出【✨无法维护✨】的代码?
- C语言 统计英语文章单词的数目
- Android刷机脚本——updater-script
- Filmage Converter for mac - 全能的音视频转换器「m1兼容」
- PMI-ACP练习题(12)
- python中分支结构的条件表达_【单选题】下面不能作为Python分支结构的条件表达的是(a为一个数值变量)
A. a10 B. a in {“ysu”} C. a5 and a10 D. 5...
- Win11系统组策略编辑器打不开解决方法
- Vue模块语法下(事件处理器自定义组件组件通信)
- 最新ThinkPHP开发仿百度钱包源码红色优享钱包源码/接入第三方认证,去后门修复缺陷
- 成像系统--3.镜头