精品国产人成在线_亚洲高清无码在线观看_国产在线视频国产永久2021_国产AV综合第一页一个的一区免费影院黑人_最近中文字幕MV高清在线视频

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

關(guān)于任意多相機(jī)系統(tǒng)的SLAM重設(shè)計(jì)

新機(jī)器視覺 ? 來(lái)源:ICRA ? 作者:ICRA ? 2021-01-07 11:51 ? 次閱讀

在SLAM系統(tǒng)中增加更多的相機(jī)可以提高魯棒性和準(zhǔn)確性,但會(huì)使視覺前端的設(shè)計(jì)變得非常復(fù)雜。因此,文獻(xiàn)中的大多數(shù)系統(tǒng)是為特定的相機(jī)配置定制的。在這項(xiàng)工作中,我們的目標(biāo)是一個(gè)適用于任意多相機(jī)設(shè)置的自適應(yīng)SLAM系統(tǒng)。為此,我們重溫了可視化SLAM中的幾個(gè)常見構(gòu)建塊。特別是,我們提出了一個(gè)自適應(yīng)初始化方案,一個(gè)傳感器無(wú)關(guān)的信息論的關(guān)鍵幀選擇算法,和一個(gè)可擴(kuò)展的基于體素的地圖。這些技術(shù)對(duì)實(shí)際的相機(jī)設(shè)置做了很少的假設(shè),并且更喜歡基于理論的方法而不是啟發(fā)式方法。通過(guò)這些修改,我們采用了最先進(jìn)的視覺里程計(jì),實(shí)驗(yàn)結(jié)果表明,修改后的流水線可以適應(yīng)各種各樣的攝像機(jī)設(shè)置(例如,一個(gè)實(shí)驗(yàn)中有2到6個(gè)攝像機(jī)),而不需要傳感器特定的修改或調(diào)整。

貢獻(xiàn)

自適應(yīng)初始化方案。

與傳感器無(wú)關(guān)的信息論關(guān)鍵幀選擇算法。

可擴(kuò)展的基于體素的地圖管理方法。

多相機(jī)系統(tǒng)在感知算法方面實(shí)現(xiàn)了卓越的性能,并被廣泛應(yīng)用于現(xiàn)實(shí)世界的應(yīng)用中,如全向測(cè)繪、自主無(wú)人機(jī)和虛擬現(xiàn)實(shí)耳機(jī)。為了便于在SLAM中使用這種系統(tǒng),我們提出了幾個(gè)通用設(shè)計(jì)來(lái)自動(dòng)適應(yīng)任意多相機(jī)系統(tǒng)。

ba13e218-503b-11eb-8b86-12bb97331649.jpg

圖2 兩個(gè)攝像機(jī)之間立體重疊檢查的圖示,Ci和Cj。藍(lán)星是相機(jī)I像面上的采樣點(diǎn),綠星是成功投影到相機(jī)j的3D點(diǎn),紅星是從像面上掉下來(lái)的點(diǎn)。

ba3632dc-503b-11eb-8b86-12bb97331649.jpg

圖3 EuRoC MH 01中3次運(yùn)行的負(fù)熵演化。每次運(yùn)行的E(T)以不同的顏色顯示,紅點(diǎn)表示某幀被選為關(guān)鍵幀的位置。插入關(guān)鍵幀后,E(T)增加,隨著傳感器遠(yuǎn)離地圖,e(T)減少。

ba63562c-503b-11eb-8b86-12bb97331649.jpg

圖4 運(yùn)行平均E(T)和關(guān)鍵幀選擇。運(yùn)行平均過(guò)濾器(黃色)跟蹤自最后一個(gè)關(guān)鍵幀以來(lái)的定位質(zhì)量。當(dāng)當(dāng)前幀的負(fù)熵(藍(lán)色)低于運(yùn)行平均值的某個(gè)百分比(綠色虛線)時(shí),將選擇一個(gè)新的關(guān)鍵幀(紅點(diǎn)),并重置運(yùn)行平均值過(guò)濾器。

ba8519ba-503b-11eb-8b86-12bb97331649.jpg

圖5 模擬環(huán)境中的模擬圖8軌跡。該軌跡是通過(guò)用5個(gè)攝像機(jī)運(yùn)行調(diào)整后的VIO管道來(lái)估計(jì)的。單目設(shè)置丟失軌跡的部分用紅色標(biāo)記。品紅色點(diǎn)是SLAM系統(tǒng)跟蹤的地標(biāo)。

bac53e00-503b-11eb-8b86-12bb97331649.jpg

圖6 5次運(yùn)行模擬中的總體相對(duì)平移誤差。

bb0bf124-503b-11eb-8b86-12bb97331649.jpg

圖7 針對(duì)不同的相機(jī)配置(2到5個(gè)攝像機(jī)),將建議的體素圖與標(biāo)準(zhǔn)關(guān)鍵幀進(jìn)行比較。左:VIO前端總時(shí)間。中間:從地圖中檢索匹配的地標(biāo)。右側(cè):指向地標(biāo)位置的引用/指針的數(shù)量。

bb32888e-503b-11eb-8b86-12bb97331649.jpg

圖8 含BA的EuRoC數(shù)據(jù)集的相對(duì)平移誤差百分比。

表1 EuRoC數(shù)據(jù)集的RMSE中值(米)超過(guò)5次。以粗體突出顯示的最低誤差。

bb4f3e3e-503b-11eb-8b86-12bb97331649.jpg

表2 EuRoC序列中5次運(yùn)行的關(guān)鍵幀平均數(shù)。

bb6f5502-503b-11eb-8b86-12bb97331649.jpg

圖3 單目和立體設(shè)置的不同關(guān)鍵幀選擇標(biāo)準(zhǔn)的關(guān)鍵幀平均數(shù)。

bb9752f0-503b-11eb-8b86-12bb97331649.jpg

表4科學(xué)園日序列中多相機(jī)管道的不同軌跡誤差度量。第一行包含完整軌跡的絕對(duì)RMSE(547.488米)

bbb16afa-503b-11eb-8b86-12bb97331649.jpg

bbecd766-503b-11eb-8b86-12bb97331649.jpg

圖9 科學(xué)園日序列中FRB配置的估計(jì)軌跡和基本軌跡的俯視圖。

原文標(biāo)題:任意多相機(jī)系統(tǒng)的SLAM重設(shè)計(jì)

文章出處:【微信公眾號(hào):新機(jī)器視覺】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯:haq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 相機(jī)
    +關(guān)注

    關(guān)注

    4

    文章

    1345

    瀏覽量

    53519
  • SLAM
    +關(guān)注

    關(guān)注

    23

    文章

    419

    瀏覽量

    31788

原文標(biāo)題:任意多相機(jī)系統(tǒng)的SLAM重設(shè)計(jì)

文章出處:【微信號(hào):vision263com,微信公眾號(hào):新機(jī)器視覺】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    MG-SLAM:融合結(jié)構(gòu)化線特征優(yōu)化高斯SLAM算法

    同步定位與地圖構(gòu)建 (SLAM) 是計(jì)算機(jī)視覺中的一個(gè)基本問(wèn)題,旨在在同時(shí)跟蹤相機(jī)姿勢(shì)的同時(shí)對(duì)環(huán)境進(jìn)行地圖構(gòu)建。基于學(xué)習(xí)的密集 SLAM 方法,尤其是神經(jīng)輻射場(chǎng) (NeRF) 方法,在捕獲密集光度
    的頭像 發(fā)表于 11-11 16:17 ?196次閱讀
    MG-<b class='flag-5'>SLAM</b>:融合結(jié)構(gòu)化線特征優(yōu)化高斯<b class='flag-5'>SLAM</b>算法

    友思特分享 車載同步技術(shù)創(chuàng)新:多相機(jī)系統(tǒng)如何實(shí)現(xiàn)精準(zhǔn)數(shù)據(jù)采集與實(shí)時(shí)處理?

    車載多相機(jī)采集系統(tǒng)是智能駕駛技術(shù)實(shí)際應(yīng)用中的的“眼睛”,友思特車載圖像采集和回放系統(tǒng)切實(shí)提升了系統(tǒng)的實(shí)時(shí)同步采集與回放能力,為ADAS等應(yīng)用的決策
    的頭像 發(fā)表于 10-16 16:14 ?313次閱讀
    友思特分享 車載同步技術(shù)創(chuàng)新:<b class='flag-5'>多相機(jī)</b><b class='flag-5'>系統(tǒng)</b>如何實(shí)現(xiàn)精準(zhǔn)數(shù)據(jù)采集與實(shí)時(shí)處理?

    從算法角度看 SLAM(第 2 部分)

    作者: Aswin S Babu 正如我們?cè)赱第 1 部分]中所討論的,SLAM 是指在無(wú)地圖區(qū)域中估計(jì)機(jī)器人車輛的位置,同時(shí)逐步繪制該區(qū)域地圖的過(guò)程。根據(jù)使用的主要技術(shù),SLAM 算法可分為三種
    的頭像 發(fā)表于 10-02 16:39 ?259次閱讀
    從算法角度看 <b class='flag-5'>SLAM</b>(第 2 部分)

    一種適用于動(dòng)態(tài)環(huán)境的實(shí)時(shí)視覺SLAM系統(tǒng)

    既能保證效率和精度,又無(wú)需GPU,行業(yè)第一個(gè)達(dá)到此目標(biāo)的視覺動(dòng)態(tài)SLAM系統(tǒng)
    的頭像 發(fā)表于 09-30 14:35 ?401次閱讀
    一種適用于動(dòng)態(tài)環(huán)境的實(shí)時(shí)視覺<b class='flag-5'>SLAM</b><b class='flag-5'>系統(tǒng)</b>

    【直播預(yù)告】AI系統(tǒng)多相電源原理與應(yīng)用

    立即掃碼預(yù)約直播直播時(shí)間2024年9月24日(周二)1040直播主題AI系統(tǒng)多相電源原理與應(yīng)用直播簡(jiǎn)介當(dāng)今AI系統(tǒng)采用并行多個(gè)高性能計(jì)算機(jī)系統(tǒng),同時(shí)使用CPU、GPU和TPU配合運(yùn)算
    的頭像 發(fā)表于 09-19 08:05 ?188次閱讀
    【直播預(yù)告】AI<b class='flag-5'>系統(tǒng)</b>的<b class='flag-5'>多相</b>電源原理與應(yīng)用

    友思特方案 多相機(jī)的完美閉環(huán):proFRAME車載全景環(huán)視相機(jī)數(shù)采方案

    導(dǎo)讀 精準(zhǔn)搜集車輛傳感器的 實(shí)時(shí)數(shù)據(jù) 是 ADAS系統(tǒng) 穩(wěn)定運(yùn)行的關(guān)鍵所在。 友思特 proFRAME 系統(tǒng) 可以同步采集輸入數(shù)據(jù)流并輸出處理,成為車載全景環(huán)視相機(jī)從圖像采集至分析結(jié)果輸出存儲(chǔ)的高效
    的頭像 發(fā)表于 08-22 15:12 ?377次閱讀
    友思特方案  <b class='flag-5'>多相機(jī)</b>的完美閉環(huán):proFRAME車載全景環(huán)視<b class='flag-5'>相機(jī)</b>數(shù)采方案

    深度解析深度學(xué)習(xí)下的語(yǔ)義SLAM

    隨著深度學(xué)習(xí)技術(shù)的興起,計(jì)算機(jī)視覺的許多傳統(tǒng)領(lǐng)域都取得了突破性進(jìn)展,例如目標(biāo)的檢測(cè)、識(shí)別和分類等領(lǐng)域。近年來(lái),研究人員開始在視覺SLAM算法中引入深度學(xué)習(xí)技術(shù),使得深度學(xué)習(xí)SLAM系統(tǒng)獲得了迅速發(fā)展,并且比傳統(tǒng)算法展現(xiàn)出更高的精
    發(fā)表于 04-23 17:18 ?1242次閱讀
    深度解析深度學(xué)習(xí)下的語(yǔ)義<b class='flag-5'>SLAM</b>

    工程實(shí)踐中VINS與ORB-SLAM的優(yōu)劣分析

    ORB-SLAM是一種基于特征的單目視覺SLAM系統(tǒng),廣泛用于實(shí)時(shí)三維地圖構(gòu)建和機(jī)器人定位。該系統(tǒng)使用ORB特征進(jìn)行高效的視覺識(shí)別和地圖重建,支持關(guān)鍵幀技術(shù)和回環(huán)檢測(cè)來(lái)優(yōu)化地圖的準(zhǔn)確性
    的頭像 發(fā)表于 04-08 10:17 ?2640次閱讀
    工程實(shí)踐中VINS與ORB-<b class='flag-5'>SLAM</b>的優(yōu)劣分析

    什么是SLAMSLAM算法涉及的4要素

    SLAM技術(shù)可以應(yīng)用在無(wú)人駕駛汽車、無(wú)人機(jī)、機(jī)器人、虛擬現(xiàn)實(shí)等領(lǐng)域中,為這些領(lǐng)域的發(fā)展提供了支持。SLAM技術(shù)的發(fā)展已經(jīng)逐漸從單純的定位和地圖構(gòu)建轉(zhuǎn)向了基于場(chǎng)景理解的功能。
    發(fā)表于 04-04 11:50 ?2208次閱讀

    什么是SLAM?基于3D高斯輻射場(chǎng)的SLAM優(yōu)勢(shì)分析

    基于NeRF的SLAM算法采用全局地圖和圖像重建損失函數(shù),通過(guò)可微分渲染捕獲稠密的光度信息,具有高保真度。
    的頭像 發(fā)表于 04-01 12:44 ?682次閱讀

    行易道(Autoroad)發(fā)布了全球領(lǐng)先的4D成像雷達(dá)360°環(huán)視SLAM系統(tǒng)

    2024年CES展會(huì)前,行易道(Autoroad)發(fā)布了全球領(lǐng)先的4D成像雷達(dá)360°環(huán)視SLAM系統(tǒng)
    的頭像 發(fā)表于 03-26 17:06 ?611次閱讀

    從基本原理到應(yīng)用的SLAM技術(shù)深度解析

    LSD-SLAM 即 Large-Scale Direct SLAM,兼容單目相機(jī)和雙目相機(jī)。LSD-SLAM是一種基于光流跟蹤的直接法
    發(fā)表于 02-26 09:41 ?8988次閱讀
    從基本原理到應(yīng)用的<b class='flag-5'>SLAM</b>技術(shù)深度解析

    如何將FX3的Tx去加重設(shè)置值設(shè)置為 “0”?

    你好 問(wèn)題1-1)關(guān)于 Fx3 的 Tx 去加重設(shè)置,我認(rèn)為 FX-3 的默認(rèn)設(shè)置 (SDK) 設(shè)置為 -3.5dB,符合正常的 USB 3.2 標(biāo)準(zhǔn)。 是否可以將此設(shè)置更改為 0dB?如果可能的話
    發(fā)表于 02-23 06:05

    坐標(biāo)系在動(dòng)態(tài)SLAM中究竟有多重要?

    大多同時(shí)定位于建圖(SLAM系統(tǒng)在傳統(tǒng)上假定的都是靜態(tài)世界,這與現(xiàn)實(shí)世界的場(chǎng)景不符。
    的頭像 發(fā)表于 01-05 13:46 ?829次閱讀
    坐標(biāo)系在動(dòng)態(tài)<b class='flag-5'>SLAM</b>中究竟有多重要?

    基于視覺SLAM的研究現(xiàn)狀

    目前視覺SLAM系統(tǒng)可以在微型個(gè)人計(jì)算機(jī)(PC)和嵌入式設(shè)備中運(yùn)行,甚至可以在智能手機(jī)等移動(dòng)設(shè)備中運(yùn)行(Klein和Murray,2009)。與室內(nèi)或室外移動(dòng)機(jī)器人不同,自動(dòng)駕駛車輛具有更復(fù)雜的參數(shù),尤其是當(dāng)車輛在城市環(huán)境中自動(dòng)駕駛時(shí)。
    發(fā)表于 12-04 09:22 ?994次閱讀
    基于視覺<b class='flag-5'>SLAM</b>的研究現(xiàn)狀