引言(Introduction)

同时定位与地图构建(SLAM)是机器人搭载视觉、激光、里程计等传感器,对未知环境构建地 图的同时实现自定位的过程,在机器人自主导航任 务中起着关键作用 [1-4].当前 SLAM 问题的研究手 段主要是通过在机器人本体上安装多类型传感器来 估计机器人本体运动信息和未知环境的特征信息, 利用信息融合实现对机器人位姿的精确估计以及 场景的空间建模.尽管 SLAM 采用的传感器有激 光和视觉等多种类型,但其处理过程一般包含 2 个 部分 [5] (如图 1 所示):前端帧间估计和后端优化. 前端帧间估计解决的是机器人在获取前后 2 帧传 感器信息的时间间隔内的运动估计,而后端优化解 决的是机器人检测到路径闭环后对历史轨迹的优化 问题 [6].考虑到里程计等传感器信息积累的误差, 后端优化就变得尤为重要,其关键是正确的检测闭 环.相对于激光传感器单一的空间结构感知信息,视觉传感器凭借其丰富的色彩和纹理等感知信息在 提高帧间估计精度和闭环检测正确率方面有着巨大 的优势和潜力[7,8].

视觉 SLAM(visual SLAM)是以图像作为主要环境感知信息源的 SLAM 系统,可应用于无人 驾驶、增强现实等应用领域,是近年来的热门研 究方向 .典型视觉 SLAM 算法以估计摄像机位姿为主要目标,通过多视几何理论来重构 3D 地 图.为提高数据处理速度,部分视觉 SLAM 算法 首先提取稀疏的图像特征,通过特征点之间的匹 配实现帧间估计和闭环检测,如基于 SIFT(scale invariant feature transform)特征的视觉 SLAM [13] 和 基于 ORB(oriented FAST and rotated BRIEF)特征 的视觉 SLAM [14].SIFT 和 ORB 特征凭借其较好的 鲁棒性和较优的区分能力以及快速的处理速度,在 视觉 SLAM 领域受到广泛应用.但是,人工设计的 稀疏图像特征当前有很多局限性,一方面如何设计

通过前述分析,深度学习与 SLAM 的结合主要 体现在 3 个方面,

即基于深度学习的1.帧间估计、

2.闭环检测和

3.语义地图生成.因此,本文首先综述了深 度学习与帧间估计的结合,主要涉及基于光流图像的深度学习帧间估计.其次,综述了深度学习与闭环检测的结合,主要涉及深度学习特征提取以及位 置识别.最后,综述了深度学习与语义地图生成的 结合,主要涉及利用深度学习对静态场景和动态场 景进行语义分割.基于这三个方面的详尽调研,本 文将深度学习 SLAM 算法和传统 SLAM 算法进行 了深入对比,分析了当前算法尚存的问题与不足, 并指出了未来的发展趋势和方向.

2 深度学习与帧间估计(Deep learning and inter-frame motion estimation) 帧间估计也称为视觉里程计(visual odometry), 是通过分析关联摄像机图像之间的多视几何关系确 定机器人位姿与朝向的过程,可作为视觉 SLAM 的 前端

基于深度学习的视觉 SLAM 综述相关推荐

  1. 【CV】综述:基于深度学习的视觉跟踪方法进展

    人眼可以比较轻松地在一段时间内持续定位某个目标,而这对于计算机而言却是一项极具挑战的高级任务---目标跟踪.近年来,深度学习方法开始在目标跟踪领域崭露头角,并逐渐在性能上超越传统方法.温州大学人工智能 ...

  2. 【论文推荐】张笑钦团队 | 综述:基于深度学习的视觉跟踪方法进展

    导读 IJAC特约稿件 人眼可以比较轻松地在一段时间内持续定位特定目标,而在计算机视觉领域,这一任务便是高级计算机任务之一--"目标跟踪".但对计算机而言,在不同场景下实现目标跟踪 ...

  3. 基于深度学习的视觉目标检测技术综述

    基于深度学习的视觉目标检测技术综述--阅读 曹家乐,李亚利,孙汉卿,谢今,黄凯奇,庞彦伟(天津大学, 天津 300072;清华大学, 北京 100084;重庆大学, 重庆 400044;中国科学院自动 ...

  4. 基于深度学习的视觉里程计算法

    基于深度学习的视觉里程计算法 介绍 近年来,视觉里程计广泛应用于机器人和自动驾驶等领域,传统方法求解视觉里程计需基于特征提取.特征 匹配和相机校准等复杂过程,同时各个模块之间要耦合在一起才能达到较好的 ...

  5. 基于深度学习的脑电图识别 综述篇(三)模型分析

    作者|Memory逆光 本文由作者授权分享 导读 脑电图(EEG)是一个复杂的信号,一个医生可能需要几年的训练并利用先进的信号处理和特征提取方法,才能正确解释其含义.而如今机器学习和深度学习的发展,大 ...

  6. 基于深度学习的脑电图识别 综述篇(二)数据采样及处理

    作者|Memory逆光 本文由作者授权分享 导读 脑电图(EEG)是一个复杂的信号,一个医生可能需要几年的训练并利用先进的信号处理和特征提取方法,才能正确解释其含义.而如今机器学习和深度学习的发展,大 ...

  7. 基于深度学习的知识图谱综述

    基于深度学习的知识图谱综述 摘要:随着现如今计算机设备的更新,计算能力的不断提高促使深度学习再一度推上热门技术,深度学习已经广泛应用于图像处理.文本挖掘.自然语言处理等方面,在医学.交通.教育.旅游等 ...

  8. 论文阅读_基于深度学习的异常检测综述

    英文题目:Deep Learning for Anomaly Detection: A Review 中文题目:基于深度学习的异常检测综述 论文地址:https://arxiv.org/pdf/200 ...

  9. 基于深度学习的医学图像配准综述

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 转载自:https://blog.csdn.net/weixin_ ...

  10. 三维图形几何变换算法实验_基于深度学习的三维重建算法综述

    点击上方"计算机视觉life",选择"星标" 快速获得最新干货 00 前言 目前,三维重建技术已在游戏.电影.测绘.定位.导航.自动驾驶.VR/AR.工业制造以 ...

最新文章

  1. iOS之浅谈纯代码控制UIViewController视图控制器跳转界面的几种方法
  2. 无线光通信-CDMA中闭环链路的功率控制误差
  3. oracle分歧处理,ORACLE 过程中容错处理
  4. MySQL高级 - SQL优化 - 子查询优化
  5. 图像工程之图像处理 CH1绪论
  6. 《结对-贪吃蛇-设计文档》
  7. 戴尔服务器显示e1810,戴尔服务器提示: PowerEdge2950 E1810 HDD 1 Fault该如何解决?求帮助!!!...
  8. Memcached学习---(3)Windows 下安装 Memcached
  9. 【CVPR 2019】Strong-Weak Distribution Alignment for Adaptive Object Detection
  10. 摆脱剧荒!教你用 Python 一步步爬取豆瓣电影新榜单
  11. SBT管理java项目
  12. 她很忙怎么关心_老公工作忙怎么关心 抓好三个时间点
  13. 最常用的五种PDF阅读器,你都用过了吗!
  14. m0单片机io口_51单片机50个例程代码
  15. Linux操作系统面试题
  16. 笔记本键盘按键拆卸教程
  17. 流利阅读 2019.1.24 China’s about to rediscover Peppa Pig
  18. 逆向破解_iOS_学习笔记_1
  19. Apache安装部署
  20. cad详图怎么画_施工图大样图都是怎么学的怎么画的cad 室内设计

热门文章

  1. linux去除内容重复行,实例详细说明linux下去除重复行命令uniq
  2. 《网页设计技巧》系列之一 浅谈文本排版
  3. 2019全球区块链杭州高峰论坛将于5月17日举办!
  4. 用.NET提供的Mail来发邮件
  5. Rsync 实现远程同步
  6. RegSetValueEx 计算WCHAR字符长度 wcslen
  7. Spring Boot入门(6)-使用AOP统一处理Web请求日志
  8. Hibernate 基本类型
  9. Java中变量及数据类型
  10. 项不会计算为接受 0 个参数的函数_玩转excel函数:详解四种计数函数,从基础到提高...