基于深度学习的视觉SLAM

初识SLAM

相机与图像

三维空间刚体运动

李群和李代数

视觉里程计2

视觉里程计 特征点法

非线性优化

我们介绍 DROID-SLAM，一种新的基于深度学习的 SLAM 系统。DROIDSLAM 由通过密集束调整层（）对相机姿态和像素深度进行循环迭代更新组成。DROID-SLAM 非常准确，比之前的工作取得了很大的改进，而且很稳健，灾难性故障的发生率大大降低。尽管使用单目视频进行训练，但它可以利用立体或 RGB-D 视频来提高测试时的性能。

这项工作提出了一种模块化和分层的方法来学习探索 3D 环境的策略，称为“Active Neural SLAM”。我们的方法结合了经典方法和基于学习的方法的优势，通过使用带有学习 SLAM 模块的分析路径规划器以及全局和本地策略。学习的使用提供了输入模式（在 SLAM 模块中）方面的灵活性，利用了世界的结构规律（在全局策略中），并为状态估计中的错误（在本地策略中）提供了鲁棒性。