點(diǎn)上方藍(lán)字計算機(jī)視覺聯(lián)盟獲取更多干貨

在右上方?···?設(shè)為星標(biāo)?★，與你不見不散

---

聯(lián)盟成員讀書筆記帶你深入理解單目SLAM

SLAM最先由Smith Self 和 Cheeseman于1987年提出，被認(rèn)為是實(shí)現(xiàn)移動機(jī)器人真正自主的關(guān)鍵。

視覺傳感器信息量大、靈活性高、成本低，其他傳感器無法比擬，隨著計算機(jī)視覺的發(fā)展和計算能力的增強(qiáng)，出現(xiàn)了大量利用攝影機(jī)作為傳感器的視覺SLAM方法。

單目視覺SLAM僅使用一個攝像頭，具有系統(tǒng)結(jié)構(gòu)簡單、成本低且易實(shí)現(xiàn)

基于概率框架的單目視覺SLAM

總體思路：在給定了從初始時刻到當(dāng)前時刻的控制輸入以及觀測數(shù)據(jù)的條件下，構(gòu)建一個聯(lián)合后驗概率密度?

函數(shù)來描述攝像機(jī)姿態(tài)和地圖特征的空間位置。通過遞歸的貝葉斯濾波方法對此概率密度函數(shù)加以估計， 從而實(shí)現(xiàn)攝像機(jī)SLAM。

在該類方法中，使用擴(kuò)展卡爾曼濾波實(shí)現(xiàn)SLAM是一種常見的解決方案：

• Davison實(shí)現(xiàn)了一種基于擴(kuò)展卡爾曼濾波的實(shí)時單目SLAM系統(tǒng)--MonoSLAM

• Lemaire利用matlab實(shí)現(xiàn)了一個基于擴(kuò)展卡爾曼濾波的單目SLAM仿真實(shí)驗系統(tǒng)

• Roussillon利用高速攝像機(jī)實(shí)現(xiàn)了基于EKF的實(shí)時單目視覺SLAM系統(tǒng)RTSLAM

此外，還有利用粒子濾波概率濾波器實(shí)現(xiàn)單目視覺SLAM方法

為了改進(jìn)系統(tǒng)非線性給EKF帶來的影響，無跡卡爾曼濾波器也被引入到單目時間SLAM算法中，但是比EKF增加了計算復(fù)雜度。

• Sim提出一種基于粒子濾波的SLAM方法。原理是將運(yùn)動路徑和地圖的聯(lián)合后驗分布估計問題分解為用例子濾波器對運(yùn)動路徑的估計問題和在已知路徑下的路標(biāo)估計問題。

• 然而，為保證定位精度，在復(fù)雜場景和運(yùn)動中需要較多粒子，大大增加算法復(fù)雜度，重采樣容易導(dǎo)致樣本貧化等問題

基于非概率框架的單目視覺SLAM方法

主要是基于關(guān)鍵幀和稀疏捆綁調(diào)整等優(yōu)化算法實(shí)現(xiàn)：

• Mouragnon利用攝像機(jī)最近采集的固定數(shù)目的圖像作為關(guān)鍵幀，進(jìn)行局部捆綁調(diào)整優(yōu)化，以實(shí)現(xiàn)SLAM

• Klein提出一種基于關(guān)鍵幀的單目視覺SLAM系統(tǒng)PTAM。該系統(tǒng)利用一個線程對攝像機(jī)姿態(tài)進(jìn)行跟蹤，同時利用另外一個線程對關(guān)鍵幀數(shù)據(jù)以及所有特征點(diǎn)的空間位置進(jìn)行捆綁調(diào)整，進(jìn)而實(shí)現(xiàn)SLAM

基于圖優(yōu)化的SLAM方法也逐漸被引入到單目視覺SLAM中

END

聲明：本文來源于聯(lián)盟成員學(xué)習(xí)筆記

如需轉(zhuǎn)載，聯(lián)系后臺

加群交流

關(guān)注計算機(jī)視覺與人工智能技術(shù)，歡迎加入CV聯(lián)盟群

掃描添加CV聯(lián)盟微信拉你進(jìn)群，備注：CV聯(lián)盟

熱文薦讀

2018年12月精選文章目錄一覽

親身經(jīng)歷2019年校招8個大廠心得體會，純干貨分享（大疆、百度...）

重磅！圖森王乃巖團(tuán)隊最新工作—TridentNet：處理目標(biāo)檢測中尺度變化新思路

GANs最新綜述論文: 生成式對抗網(wǎng)絡(luò)及其變種如何有用【附pdf下載】

算法崗百里挑一熱爆了，全球AI大廠薪酬大起底

史上最全！計算機(jī)科學(xué)領(lǐng)域頂會最佳論文大合集：微軟研究院最多，清華排24

MIT的周博磊博士如何解釋深度學(xué)習(xí)模型（附PPT)

【資源下載】512頁IBM沃森研究員Charu最新2018著作《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》（附下載鏈接）

人工智能相關(guān)領(lǐng)域的國際頂尖會議介紹

新人創(chuàng)作打卡挑戰(zhàn)賽發(fā)博客就能抽獎！定制產(chǎn)品紅包拿不停！

總結(jié)

以上是生活随笔為你收集整理的一文读懂单目视觉SLAM分类方法~基于概率框架和非概率框架的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。