logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

CVPR 2024 SLAM方向总汇

1、2024年CVPR SLAM方向。

文章图片
#计算机视觉
Splat-SLAM 详细介绍

Splat-SLAM 代表了 SLAM 技术向高保真、实时化发展的新趋势,其结合 3D 高斯点云与动态优化的设计,为 AR、机器人等领域提供了更强大的环境感知能力。尽管存在硬件门槛和动态场景的挑战,但它仍是目前最前沿的稠密 SLAM 方案之一。它结合了传统 SLAM 的定位能力和新型辐射场(Radiance Field)的场景表示方法,通过动态优化高斯点云参数实现高效、高精度的场景重建与实时跟踪。

#深度学习
SLAM文献之-FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman

Fast-LIO(Fast LiDAR-Inertial Odometry)是一种高效的激光雷达-惯性里程计(LIO)算法,专为实时处理高频激光雷达数据而设计。由于激光雷达扫描频率较低(通常10-20Hz),而IMU频率较高(100-1000Hz),Fast-LIO利用反向传播技术对激光点云进行运动畸变补偿。Fast-LIO通过紧耦合IMU与激光雷达数据,结合iEKF和反向传播技术,在高速、高动态

文章图片
#人工智能#算法
SLAM文献之-IMLS-SLAM: scan-to-model matching based on 3D data

IMLS-SLAM通过隐式曲面建模和scan-to-model框架,实现了高精度、低漂移的激光SLAM。其核心创新在于将点云匹配转化为几何曲面优化问题,显著提升了复杂环境下的鲁棒性。的匹配框架,显著提升了定位与建图的精度和鲁棒性。该算法在无闭环检测的情况下,4公里轨迹的漂移率仅为0.40%(即16米漂移)。的低漂移SLAM算法,由Jean-Emmanuel Deschaud等人在2018年提出。原

文章图片
#3d#机器学习
SLAM文献之-LOAM-SLAM

LOAM(Lidar Odometry and Mapping)是一种基于激光雷达的高效SLAM算法,其核心思想是通过特征提取和分层优化实现实时定位与建图。LOAM通过巧妙的特征提取与分层优化策略,成为激光SLAM的经典算法,为后续研究奠定了重要基础。两个模块交替运行,平衡实时性与精度。

文章图片
#人工智能#机器学习#算法
SLAM文献之-DROID-SLAM: Deep Visual SLAM for Monocular, Stereo, and RGB-D Cameras

与传统SLAM方法不同,DROID-SLAM采用深度学习网络来估计深度信息,提供更高的精度与鲁棒性,尤其是在动态、低纹理或不规则场景中。单目相机的使用:DROID-SLAM能够仅凭单目相机就能估计场景的深度和位姿,而传统SLAM依赖于立体摄像机或其他传感器,这意味着DROID-SLAM具有更低的硬件要求。自动驾驶:虽然DROID-SLAM原本是为机器人设计的,但其深度估计和定位功能同样适用于自动驾

#3d#深度学习
SLAM文献之-LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping

LIO-SAM(Lidar-Inertial Odometry and Mapping via Smoothing and Mapping)是一种基于因子图优化的紧耦合激光雷达-惯性里程计(LIO)系统,通过多传感器融合实现高精度的实时定位与建图。LIO-SAM通过紧耦合的因子图优化框架,将多传感器数据统一建模,实现了高精度、低漂移的实时定位与建图。其核心在于全局优化的灵活性与模块化设计,使其在复

SLAM文献之-VDO-SLAM: A Visual Dynamic Object-aware SLAM System

VDO-SLAM(Visual Dynamic Object-aware SLAM)是一种基于视觉的。(Simultaneous Localization and Mapping)算法。VDO-SLAM不仅跟踪静态背景中的特征点,还对。等技术,有效减少动态物体的干扰,适用于。VDO-SLAM利用深度学习模型(如。动态目标的检测主要基于。VDO-SLAM 通过。

SLAM文献之-Faster-LIO: Lightweight Tightly Coupled Lidar-inertial Odometry using Parallel Sparse Increm

Faster-LIO(Fast LiDAR-Inertial Odometry)是一种高效、实时的激光雷达-惯性里程计(LIO)算法,旨在通过紧密融合激光雷达(LiDAR)和惯性测量单元(IMU)数据,实现高精度、低延迟的定位与建图。,在保持高精度的同时显著提升了计算效率。在LiDAR扫描间隔内(通常为100ms),IMU的高频数据(200Hz+)通过预积分计算相对运动量,避免重复积分。迭代卡尔曼

    共 229 条
  • 1
  • 2
  • 3
  • 23
  • 请选择