九月SLAM相关论文速递

news/2024/5/21 21:07:07/文章来源:https://blog.csdn.net/RoboChengzi/article/details/127186719

九月SLAM相关论文速递

论文列表
DirectTracker: 3D Multi-Object Tracking Using Direct Image Alignment and Photometric Bundle Adjustment
3D VSG: Long-term Semantic Scene Change Prediction through 3D Variable Scene Graphs
Leveraging Large Language Models for Robot 3D Scene Understanding
D-Lite: Navigation-Oriented Compression of 3D Scene Graphs under Communication Constraints
WiSion: Bolstering MAV 3D Indoor State Estimation by Embracing Multipath of WiFi
General Place Recognition Survey: Towards the Real-world Autonomy Age
ExplORB-SLAM: Active Visual SLAM Exploiting the Pose-graph Topology
Continual Adaptation of Semantic Segmentation using Complementary 2D-3D Data Representations
Differential Flatness-Based Trajectory Planning for Autonomous Vehicles
Hilti-Oxford Dataset: A Millimetre-Accurate Benchmark for Simultaneous Localization and Mapping
E-NeRF: Neural Radiance Fields from a Moving Event Camera
Robust Incremental Smoothing and Mapping (riSAM)
Semi-Direct Point-Line Visual Inertial Odometry for MAVs
3D Reconstruction by Pretrained Features and Visual-Inertial Odometry
A Coupled Visual and Inertial Measurement Units Method for Locating and Mapping in Coal Mine Tunnel
Deep Pose Graph-Matching-Based Loop Closure Detection for Semantic Visual SLAM
Efficient 3D Lidar Odometry Based on Planar Patches
Orbeez-SLAM: A Real-time Monocular Visual SLAM with ORB Features and NeRF-realized Mapping
Efficient and Consistent Two Key-Frame Visual-Inertial Navigation Using Matrix Lie Groups

DirectTracker: 3D Multi-Object Tracking Using Direct Image Alignment and Photometric Bundle Adjustment

融合工作
SLAM得到的地图和位姿数据 + 2D分割/掩膜分割结果 + 运动预测跟踪等 = 3D目标跟踪
是一种比较新奇的方法,相较于端到端的更具有可解释性。

image.png

3D VSG: Long-term Semantic Scene Change Prediction through 3D Variable Scene Graphs

针对 语义SLAM + 长期SLAM任务中物体位置移动,进行的改进。

  1. 提出三维可变图对语义场景进行建模
  2. 利用网络学习得到每种物体位置变化的概率
    image.png

Leveraging Large Language Models for Robot 3D Scene Understanding

室内家居环境中的场景理解问题。
利用语言模型进行推断,输入“一个房间包含xxx、xxx,那么这个房间是____”。输出对房间类型的推断。
image.png

D-Lite: Navigation-Oriented Compression of 3D Scene Graphs under Communication Constraints

语义地图的数据压缩问题。

只保留图中最短路径的边,从而对模型进行压缩
image.png

WiSion: Bolstering MAV 3D Indoor State Estimation by Embracing Multipath of WiFi

通过室内WIFI + IMU 进行无人机定位(经典吃瓜吃到自己家,场地用的是自己本科团队的)
实际上还是一个松耦合的融合,通过wifi和IMU分别计算位姿然后进行融合,IMU会飘、但是WIFI精度低,融合得到较好结果。

image.png

General Place Recognition Survey: Towards the Real-world Autonomy Age

场景识别综述,分为不同传感器对场景识别方法进行了概述
综述能发在T-Ro上的团队应该是很厉害的团队了。

image.png

ExplORB-SLAM: Active Visual SLAM Exploiting the Pose-graph Topology

主动SLAM,利用ORB-SLAM提供的位姿图信息和稀疏地图信息,构建一个决策方法,从而使得机器人能够主动的探索整个空间构建地图。
image.png

Hilti-Oxford Dataset: A Millimetre-Accurate Benchmark for Simultaneous Localization and Mapping

具有挑战性环境下的新数据集,位姿真实值精度达到mm级。
image.png

E-NeRF: Neural Radiance Fields from a Moving Event Camera

事件相机和NeRF结合,在高动态环境下重建

Robust Incremental Smoothing and Mapping (riSAM)

iSAM 的升级版

Semi-Direct Point-Line Visual Inertial Odometry for MAVs

融合怪类型的论文,在PL-VIO中添加,处理非关键帧就采用直接法去对齐而不提取特征,从而得到更高效的结果。

image.png

3D Reconstruction by Pretrained Features and Visual-Inertial Odometry

A Coupled Visual and Inertial Measurement Units Method for Locating and Mapping in Coal Mine Tunnel

PL-VIO 应用在隧道中的场景下

Deep Pose Graph-Matching-Based Loop Closure Detection for Semantic Visual SLAM

回环检测的一种很新颖的思路,将关键帧组成的位姿图进行匹配,回环检测变成了特征匹配问题去解决。

Efficient 3D Lidar Odometry Based on Planar Patches

ICP激光点云匹配的替代方案,利用平面特征中的共面约束

  1. 能够更快更好的完成任务
  2. 对场景是否有要求?
    image.png

Orbeez-SLAM: A Real-time Monocular Visual SLAM with ORB Features and NeRF-realized Mapping

在ORB-SLAM基础上,添加NerF稠密地图构建模块。
利用了成熟ORB-SLAM框架以及算法提供的深度信息加速收敛过程,比单纯采用nerf的slam算法快几百倍。

  1. 速度快,能够在i7+3090下实时运行
  2. 精度高,由于采用传统方法估计的精度
  3. 收敛快,利用传统方法提供的深度信息加速收敛
  4. 是首个实时单目稠密地图的方法
    image.png

Efficient and Consistent Two Key-Frame Visual-Inertial Navigation Using Matrix Lie Groups

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.luyixian.cn/news_show_19440.aspx

如若内容造成侵权/违法违规/事实不符,请联系dt猫网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

使用服务器跑模型——案例1

案例1 该方法mac,linux,windows都通用。我们使用terminal or cmd进行操作。 假设我们本地具有一个需要跑的模型Unet,我们需要将该模型上传到服务器上跑,步骤如下: 使用tar压缩文件 我们定位到我们需要压缩的模型&a…

云原生之容器编排实践-以k8s的Service方式暴露SpringBoot服务

背景 上一篇文章云原生之容器编排实践-SpringBoot应用以Deployment方式部署到minikube以及弹性伸缩中,我们通过 Deployment 完成了将 SpringBoot 应用部署到 minikube 并测试了其弹性伸缩的丝滑体验。但是 Deployment 部署后我们还面临以下问题: 访问时…

Day761.Redis集群方案:Codis -Redis 核心技术与实战

Redis集群方案:Codis Hi,我是阿昌,今天学习记录的是关于Redis集群方案:Codis Redis 的切片集群使用多个实例保存数据,能够很好地应对大数据量的场景。哨兵集群, Redis 官方提供的切片集群方案 Redis Clus…

SPI总线通信——基于STM32MP157A

SPI总线概念 SPI总线是Motorola首先提出的全双工三线/四线同步串行总线,采用主从模式(Master Slave)架构;支持多从机(slave)模式应用,一般仅支持单主机,多从机。 时钟由主机控制&…

java培训技术处理模型数据之 ModelAndView

处理模型数据之 ModelAndView 1 ModelAndView介绍 控制器处理方法的返回值如果为 ModelAndView, 则其既包含视图信息,也包含模型 数据信息。 2)添加模型数据: MoelAndView addObject(String attributeName, Object attributeValue) ModelAndView…

C#-设计模式学习笔记

目录前言:最近得到师傅指点,建议我多学习下设计模式,简单记录下学习过程中的一些知识点1.设计模式(创建型)1.单例模式:1. 单例模式的主要作用2.单例模式能解决的问题3.单例模式的使用场景4.怎么实现单例模式…

Charles安装和抓包原理

进行APP服务器开发,接口测试、bug定位,抓取移动端请求数据包在所难免,公司使用的Charles,后面有机会使用了其它软件再做对比。Charles并不是安装即可用,涉及一些参数配置,特此记录分享。 1 安装、破解Char…

C51之温湿度检测系统(自动开关风扇)

目录 DHT11 温湿度传感器 产品概述 特点 检测模块是否存在 温湿度数据管理系统 uart.c文件 uart.h文件 lcd1602.c文件 lcd1602.H文件 dht11.c文件 dht11.h文件 delay.c文件 delay.h文件 config.h文件 main.c文件 DHT11 温湿度传感器 产品概述 DHT11数字温湿度传感…

2022/10/6——基于stm32mp157a的SPI实验

SPI总线是Motorola首先提出的全双工三线/四线同步串行总线 采用主从模式架构,支持多从机模式应用,但一般仅支持单主机,多从机 时钟由主机控制,在时钟移位脉 冲下,数据按位传输,高位在前,低位在…

网课查题系统-题库量全网最多

网课查题系统-题库量全网最多 本平台优点: 多题库查题、独立后台、响应速度快、全网平台可查、功能最全! 1.想要给自己的公众号获得查题接口,只需要两步! 2.题库: 查题校园题库:查题校园题库后台&#x…

React源码分析4-深度理解diff算法

上一章中 react 的 render 阶段,其中 begin 时会调用 reconcileChildren 函数, reconcileChildren 中做的事情就是 react 知名的 diff 过程,本章会对 diff 算法进行讲解。 diff 算法介绍 react 的每次更新,都会将新的 ReactElem…

Learning With Error(LWE)问题学习

概念 又称误差还原,容错学习问题,即已知一个矩阵AAA以及一个向量,求解 b^Axe\hat{b}A xe b^Axe 这里eee是一个固定数值范围内随机采集的一个随机噪音向量,所以这个问题就转化为通过AAA和b^\hat{b}b^来还原最初的未知向量xxx 可以…

android studio2021.3.1 最新xposed模块编写指南

前言 最新的xposed框架已经从xposed到Edxposed再到Lsposed,虽然xposed的api依然是通用的82版本,但现在网上大多数的在android studio上配置xposed的教程已经有点落后了,因此写下这篇来记录自己安装的流程。lsposed如何安装可以看我之前的小米…

CPU 和 CPU Core 有啥区别?多核 CPU?多个 CPU?单核 CPU 为何也支持多线程呢?

由于现在大多计算机都是多核CPU,多线程往往会比单线程更快,更能够提高并发,但提高并发并不意味着启动更多的线程来执行。更多的线程意味着线程创建销毁开销加大、上下文非常频繁,你的程序反而不能支持更高的TPS。 CPU 组成 CPU 全…

JavaSE --- 学Java你应该知道的历史

目录 一. Java的历史 1. Java的发明人詹姆斯高斯林 2. Java的logo 3. java的发展 二. Java 语言的特性 🐖🐖🐖🐖如果喜欢!!🐂🐂🐂🐂 🐖&#x1f4…

创建PyQt项目需要配置三个的External Tools

1. Qt Designer:Qt设计器 Qt Designer D:\PyQtLearning\venv\Lib\site-packages\QtDesigner\designer.exe $ProjectFileDir$ 2. PyUIC:将.ui文件转换为.py文件 PyUIC D:\PyQtLearning\venv\Scripts\pyuic5.exe -o $FileNameWithoutExtension$.py $Fi…

Apache HBase API及备份与还原

一、Apache HBase API Apache HBase也适用于多个外部API。有关更多信息,请参阅Apache HBase外部API(将在下一节的内容中介绍)。 有关使用本机HBase API的信息,请参阅User API Reference和HBase API章节。 示例: 使…

JVM-2.垃圾回收

目录 一、如何判断对象可以回收 1.1 引用计数法 1.2 可达性分析算法 二、五种引用 2.1 强引用 2.2 软引用(SoftReference) 2.3 弱引用(WeakReference) 2.4 虚引用(PhantomReference) 2.5 终结器引…

07 hook学习01

hook学习01Hooks理解useStateuseEffect自定义hook函数Hooks理解 react组件分为类组件和函数组件 函数组件是一个更加匹配react的设计理念UI f(data),利于逻辑拆分与重用的组件表达形式,而之前的函数组件是不可以有自己的状态的,为了能让函…

第二章:微服务架构构建

第二章&#xff1a;微服务架构构建 2.1&#xff1a;IDEA新建project工作空间 父工程步骤 New Project 聚合总父工程名字 Maven版本选择 字符编码 注解生效激活 Java编译版本选择8 父工程pom文件 <?xml version"1.0" encoding"UTF-8"?&g…