視覺(jué)慣性里程計(jì)（VIO）在運(yùn)動(dòng)估計(jì)中的優(yōu)勢(shì)及應(yīng)用

視覺(jué)傳感器在大多數(shù)紋理豐富的場(chǎng)景中效果很好，但是遇到玻璃或白墻這樣特征少的場(chǎng)景就很難有效工作了。盡管如此相機(jī)數(shù)據(jù)的優(yōu)點(diǎn)在于數(shù)據(jù)基本不會(huì)有漂移。

2024-03-18 標(biāo)簽：傳感器視覺(jué)傳感器SLAM 3373 0

基于濾波器的激光SLAM方案

激光 SLAM 任務(wù)是搭載激光雷達(dá)的主體于運(yùn)動(dòng)中估計(jì)自身的位姿，同時(shí)建立周圍的環(huán)境地圖。而準(zhǔn)確的定位需要精確的地圖，精確的地圖則來(lái)自于準(zhǔn)確的定位，定位側(cè)...

2024-03-04 標(biāo)簽：傳感器濾波器SLAM 1125 0

從基本原理到應(yīng)用的SLAM技術(shù)深度解析

LSD-SLAM 即 Large-Scale Direct SLAM，兼容單目相機(jī)和雙目相機(jī)。LSD-SLAM是一種基于光流跟蹤的直接法SLAM，但是實(shí)...

2024-02-26 標(biāo)簽：傳感器gpuSLAM 1.1萬(wàn) 0

深度解析：多傳感器融合SLAM技術(shù)全景剖析

SLAM中，先驗(yàn)值通常從一系列傳感器獲得，比如慣性測(cè)量單元（IMU）和編碼器，而觀測(cè)值則是通過(guò)GPS、相機(jī)和激光雷達(dá)等其他傳感器獲取的，后驗(yàn)值是融合了先...

2024-02-23 標(biāo)簽：傳感器編碼器SLAM 4216 1

基于NeRF/Gaussian的全新SLAM算法

基于NeRF的SLAM算法采用全局地圖和圖像重建損失函數(shù)，通過(guò)可微分渲染捕獲稠密的光度信息，具有高保真度。

2024-01-26 標(biāo)簽：機(jī)器人算法攝像機(jī) 857 0

3D激光雷達(dá)SLAM算法綜述

一方面獲取傳感器采集的各幀數(shù)據(jù)對(duì)應(yīng)的局部坐標(biāo)系的位置和姿態(tài)是構(gòu)建地圖的關(guān)鍵， 即建圖包含了定位問(wèn)題; 另一方面構(gòu)建準(zhǔn)確的地圖又是精確定位的前提， 因此，...

2024-01-18 標(biāo)簽：傳感器SLAM激光雷達(dá) 2648 0

動(dòng)態(tài)環(huán)境中基于神經(jīng)隱式表示的RGB-D SLAM

神經(jīng)隱式表示已經(jīng)被探索用于增強(qiáng)視覺(jué)SLAM掩碼算法，特別是在提供高保真的密集地圖方面。

2024-01-17 標(biāo)簽：機(jī)器人RGB編解碼器 1112 0

基于NID-SLAM對(duì)神經(jīng)SLAM在動(dòng)態(tài)環(huán)境下的性能提升

TUM數(shù)據(jù)集上相機(jī)跟蹤結(jié)果，評(píng)價(jià)指標(biāo)是ATE RMSE [ m ] (↓)，表示相關(guān)文獻(xiàn)未提及這個(gè)數(shù)據(jù)。

2024-01-12 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)SLAM 541 0

激光SLAM：Faster-Lio算法編譯與測(cè)試

Faster-LIO是基于FastLIO2開(kāi)發(fā)的。FastLIO2是開(kāi)源LIO中比較優(yōu)秀的一個(gè)，前端用了增量的kdtree（ikd-tree），后端用了...

2024-01-12 標(biāo)簽：算法仿真SLAM 3846 0

如何用3D Occupancy處理遮擋問(wèn)題下的圖像匹配？

圖像匹配是各種視覺(jué)應(yīng)用中基本且關(guān)鍵的任務(wù)，如同時(shí)定位與地圖構(gòu)建( Simultaneous Localization and Mapping，SLAM ...

2024-01-06 標(biāo)簽：SLAM圖像匹配 906 0

4D毫米波雷達(dá)SLAM方案調(diào)研

Multipath 多路徑反射: 對(duì)于同一個(gè)物體，產(chǎn)生了多個(gè)不同的檢測(cè)路徑，信號(hào)在返回過(guò)程中，除了直接返回的信號(hào)，也存在被墻體，地面反射的信號(hào)，這些信號(hào)...

2024-01-05 標(biāo)簽：信號(hào)處理雷達(dá)SLAM 857 0

坐標(biāo)系在動(dòng)態(tài)SLAM中究竟有多重要？

大多同時(shí)定位于建圖（SLAM）系統(tǒng)在傳統(tǒng)上假定的都是靜態(tài)世界，這與現(xiàn)實(shí)世界的場(chǎng)景不符。

2024-01-05 標(biāo)簽：機(jī)器人RGBSLAM 1064 0

工業(yè)上常見(jiàn)的高精度主動(dòng)式重建算法

三維重建目前是最為炙手可熱的領(lǐng)域。攝影測(cè)量或結(jié)構(gòu)光投影技術(shù)可以解決漫反射重建問(wèn)題，但卻無(wú)法有效應(yīng)對(duì)鏡面反射物體（如玻璃、積水、反光物體和汽車車身）等的重建挑戰(zhàn)。

2024-01-05 標(biāo)簽：SLAM激光雷達(dá)自動(dòng)駕駛 718 0

三維視覺(jué)測(cè)量技術(shù)：被動(dòng)視覺(jué)測(cè)量和主動(dòng)視覺(jué)測(cè)量

與人眼的立體感知類似，雙目立體視覺(jué)用兩個(gè)相機(jī)從不同的角度對(duì)被測(cè)物體成像。依據(jù)兩幅圖像中對(duì)應(yīng)點(diǎn)的立體視差( stereo disparity) ，根據(jù)三角...

2024-01-03 標(biāo)簽：傳感器SLAM視覺(jué)測(cè)量 1215 0

移動(dòng)機(jī)器人的組成和操作方法

移動(dòng)機(jī)器人到底是由哪些部分組成的呢，接下來(lái)我們就一起認(rèn)識(shí)一下它。

2024-01-02 標(biāo)簽：控制系統(tǒng)移動(dòng)機(jī)器人SLAM 2146 0

如何優(yōu)化內(nèi)部物流以簡(jiǎn)化和加速工業(yè) 4.0 供應(yīng)鏈運(yùn)行 - 第 2/2 部分

作者：Jeff Shepard 投稿人：DigiKey 北美編輯 本系列關(guān)于內(nèi)部物流的文章[ 第 1 部分 ] 討論了如何在系統(tǒng)層面使用自主移動(dòng)機(jī)器人 ...

2024-01-01 標(biāo)簽：傳感器機(jī)器人AMR 1013 0

基于深度學(xué)習(xí)的LiDAR SLAM框架（DeepPointMap）

定位準(zhǔn)確性：與六種最新的里程計(jì)和SLAM方法進(jìn)行比較，包括KISS-ICP、LeGO-LOAM、SC-LeGO-LOAM、MULLS、CT-ICP和Ge...

2023-12-29 標(biāo)簽：傳感器神經(jīng)網(wǎng)絡(luò)SLAM 1553 0

ORB-SLAM3整體結(jié)構(gòu)框架分析

處理傳感器信息并實(shí)時(shí)計(jì)算當(dāng)前幀在激活地圖中的姿態(tài)。同時(shí)該模塊也決定了是否將當(dāng)前幀作為關(guān)鍵幀。在視覺(jué)-慣性模式下，通過(guò)在優(yōu)化中加入慣性殘差來(lái)估計(jì)剛體速度和...

2023-12-27 標(biāo)簽：傳感器數(shù)據(jù)庫(kù)SLAM 2079 0

NeRF何去何從？GS SLAM到底哪家強(qiáng)？來(lái)看看最新的開(kāi)源方案！

Gaussian-SLAM提出了用于seeding和優(yōu)化Gaussian splats的新策略，以將其從多視圖離線場(chǎng)景擴(kuò)展到RGBD序列。還擴(kuò)展了Gau...

2023-12-26 標(biāo)簽：3D開(kāi)源SLAM 1532 0

單目深度估計(jì)開(kāi)源方案分享

可以看一下單目深度估計(jì)效果，這個(gè)深度圖的分辨率是真的高，物體邊界分割的非常干凈！這里也推薦工坊推出的新課程《單目深度估計(jì)方法：算法梳理與代碼實(shí)現(xiàn)》。

2023-12-17 標(biāo)簽：分辨率RGBSLAM 1064 0