【阅读文献】单目视觉SLAM方法综述【4】~特征点深度获取+地图尺度控制,程序员大本营,技术文章内容聚合第一站。
文章开始介绍了视觉SLAM以及VI-SLAM的基本理论,并且最终将两种的SLAM都归结为优化方程,比如视觉SLAM总结为优化相机位姿以及三维特征点的函数 这种优化称为捆集调整(BA)[1],即SfM和VSLAM的核心模块。 对于单目惯性SLAM,通过IMU的数据来恢复和优化单目SLAM中的绝对尺度问题,所以VI-SLAM结合了视觉测量和惯性测量的方式,可...
视觉SLAM综述(上) 摘要 视觉SLAM(同时定位与建图)是指仅仅利用图片这一外部信息来确定环境中机器人、车辆或者移动相机的位置,同时能够建立已探索区域的一种表示法(地图)。SLAM是移动机器人实现自主化的一项基本任务。当下,在小范围,静态的场景中,认为使用距离传感器(比如激光、声呐)来建立二维地图,能够...
【摘要】 目录 1 单目视觉SLAM分类方法 1.1 基于概率框架的单目视觉SLAM 1.2 基于非概率框架的单目视觉SLAM方法 SLAM最先由Smith Self 和 Cheeseman于1987年提出,被认为是实现移动机器人真正自主的关键。 视觉传感器信息量大、灵活性高、成本低,其他传感器无法比拟,随着计算机视觉的发展和计算能力的增强,出现了大量利用...
【摘要】 2.1 特征的检测与匹配 SLAM系统中,是以环境中的路标点为基础的。 单目视觉系统无法从单帧图像恢复深度。如何 利用图像特征检测与匹配获得高质量的路标,关系到单目视觉SLAM的鲁棒性。 图像特征可分为:点特征、直线特征、边缘、轮廓 相比于其他,点特征具有对遮挡相对鲁棒,识别性好,提取速度快。点特征的检测...
单目度量深度估计综述 | 单目深度估计 (MDE) 是计算机视觉的基石,是空间理解、3D 重建和自动驾驶等任务的基础。虽然基于深度学习的 MDE 方法已经能够从单个图像预测相对深度,但缺乏度量尺度信息往往会导致尺度不一致,从而限制其在视觉 SLAM、3D 重建和新视图合成等下游任务中的有效性。为了应对这些挑战,单目度量深度估...
Vins-mono是香港科技大学开源的一个VIO算法 是用紧耦合方法实现的,通过单目+IMU恢复出尺度,效果非常棒。 1.特征点跟踪 首先用cv::goodFeaturesToTrack在第一帧图像上面找最强的150个特征点,非极大值抑制半径为30。新的特征点都有自己的新的对应的id。然后在下一帧过来时,对这些特征点用光流法进行跟踪,在下一帧上...
现有的SLAM数据集通常只提供姿态精度的评估,而且它们的相机运动很简单,不适合常见的移动AR应用场景。基于上述情况,我们建立了一个新的视觉惯性数据集和一系列AR的评价标准,并对现有的单目VSLAM/VI-SLAM方法进行了详细的分析和比较。特别是选择了8种具有代表性的单目VSLAM/VI-SLAM方法/系统,并在我们的基准上对它们...