分享| 語義SLAM的未來與思考（泡泡機器人）
相比典型的點雲地圖，語義地圖能夠很好的表示出機器人到的地方是什么，機器人“看”到的東西是什么。比如進入到一個房間，點雲地圖中，機器人並不能識別顯示出來的一塊塊的點雲到底是什么，但是語義地圖的構建可以分辨出廚房中的鍋碗瓢盆，客廳的桌子沙發電視機等。所以語義地圖的構建，對於SLAM研究有着很重大的意義 ...
原文：語義SLAM的思考
近些年，SLAM技術已經獲得了突飛猛進的發展，SLAM技術在工業機器人，AR，VR技術，以及智能車等方面都有着廣大的應用前途。SLAM技術完成了智能體 對SLAM主體的統稱 對環境的幾何信息的理解，但是忽略了對環境語義信息的理解。單純的SLAM技術是缺乏場景理解能力的，智能體實時的對 D環境感知理解能力是智能體的技術的關鍵部分。 ORB SLAM，LSD SLAM，DSO等方法已經能夠幫助智能體 ...
2017-10-12 16:40 0 1497 推薦指數：
相關推薦
從5個經典工作開始看語義SLAM
本文試圖概括Semantic SLAM的主要思路和近年工作，⻓期更新。 但因水平有限，若有錯漏，感謝指正。 （更好的公式顯示效果，可關注博客側邊的公眾號） Semantic SLAM 簡介 至今為止，主流的 SLAM 方案 [1] 多是基於處於像素層級的特征點，更具體地，它們往往只能用角 ...
語義SLAM的數據關聯和語義定位（三）
與現有方法的異同 特征點SLAM中的數據關聯 先回憶一下特征點SLAM中，我們是如何處理數據關聯的。下面以ORBSLAM為例。 在初始化部分，我們通過特征描述子的相似性，建立兩幀之間的特征點關聯，然后通過RANSAC框架下的姿態估計算法得到初始的R和t，重建和優化三維點的位置。 在追蹤部分 ...
語義SLAM的數據關聯和語義定位（一）
語義SLAM和多傳感器融合是自動駕駛建圖和定位部分比較熱門的兩種技術。語義SLAM中，語義信息的數據關聯相較於特征點的數據關聯有所不同。我們一般用特征描述子的相似性來匹配和關聯不同圖像中的特征點。特征點的描述子會受到光照、視角和傳感器的影響，不太適用於大尺度長周期的任務，比如自動駕駛的高精度地圖 ...
語義SLAM研究現狀總結
博客轉載自：https://blog.csdn.net/xiaoxiaowenqiang/article/details/81051010 原文標題：深度學習結合SLAM 語義slam 語義分割 端到端SLAM CNN-SLAM DenseSLAM orbslam2 + ssd LSD-SLAM ...
SLAM前端技術選擇思考
以前是專門做室內定位技術研究的，先后學習和分析了多種基於電磁的室內定位技術，如WiFi指紋定位（先后出現過RSSI、CTF、CIR多種指紋特征）、WiFi ToF定位、低功耗藍牙BLE以及iB ...
SLAM應用的一些思考
，也是我們研究者應當認真思考、正面對待的，也是SLAM從實驗室走向市場應用的第一步。 那么，阻礙 ...
SLAM產品化的一些思考
這兩年一直在做SLAM產品化的一些工作，有些感觸，想和大家分享一下。很多想法只是個人淺見，不當之處還望大家指正。 我這兩年分別做了AR眼鏡和輔助駕駛方向的開發，說實話，挫折大於成果。SLAM產品化之難，超出了我的想象。 先說說我做項目的一般思路。 前期調研。分析項目的產品化需求，輸入輸出 ...