Echo's blog
0%

发表于 更新于 分类于 ， ，

Civera, J., D. Galvez-Lopez, L. Riazuelo, J. D. Tardos, and J. M. M. Montiel. “Towards Semantic SLAM Using a Monocular Camera.” In 2011 IEEE/RSJ International Conference on Intelligent Robots and Systems, 1277–84. San Francisco, CA: IEEE, 2011. https://doi.org/10.1109/IROS.2011.6094648.

1 Introduction

本文提出了一种语义SLAM 算法，本算法将传统无意义的特征点和物体融合进到地图中。

本算法融合了三个不同领域的SOTA：

  1. 一个EKF 单目SLAM 提供相机位姿的在线实时估计，以及包含点特征的稀疏地图；
  2. 利用 Structure from Motion (SfM) 从稀疏图片中计算一个物体模型数据库；
  3. 视觉识别来检测图片流中物体是否存在。
阅读全文 »

发表于 更新于 分类于 ， ，

Mur-Artal, Raul, and Juan D. Tardos. “ORB-SLAM2: An Open-Source SLAM System for Monocular, Stereo, and RGB-D Cameras.” IEEE Transactions on Robotics 33, no. 5 (October 2017): 1255–62. https://doi.org/10.1109/TRO.2017.2705103.

1 Introduction

本文的贡献：

  1. 第一个适用于单目、双目以及RGB-D 相机的开源SLAM 系统，该系统包含回环检测、重定位以及地图重用；
  2. 本系统运行RGB-D 的结果证明：使用BA 可以实现比基于ICP 或者光度深度误差最小化的SOTA 方法更高的精度；
  3. 通过使用近远立体点和单目观测，本系统运行双目的结果要比直接双目SLAM 的 SOTA 算法精度更高；
  4. 提出了一种关闭制图功能情况下，有效重使用地图的轻量级定位模式。
阅读全文 »

发表于 更新于 分类于 ， ，

Mur-Artal, Raul, J. M. M. Montiel, and Juan D. Tardos. “ORB-SLAM: A Versatile and Accurate Monocular SLAM System.” IEEE Transactions on Robotics 31, no. 5 (October 2015): 1147–63. https://doi.org/10.1109/TRO.2015.2463671.

1 Introduction

本文的贡献如下：

  1. 对所有任务使用相同的特性：tracking, mapping, relocalization and loop closing, 这使得我们的系统更加高效、简单且可靠；使用ORB 特征，可在CPU 上实现实时运行，且具有较好的视角、光照不变性；
  2. 利用共视图使得跟踪与制图都聚焦于一个局部共视区域，从而实现在大规模环境中地实时操作，可不受全局地图尺寸地影响；
  3. 基于位姿图优化的实时回环检测（作者称其为 Essential Graph），其构建于系统维护的spanning tree、回环连接以及共视图中的线；
  4. 基于良好的视角和光照不变性实现的实时相机重定位，可在跟踪失败时进行重初始化，并增强了地图的重用性；
  5. 提出一个基于模型选择的自动鲁棒的初始化程序，可为平面和非平面场景创建一个初始化地图；
  6. 对于地图点和关键帧采取“适者生存” survival of the fittest 策略，在生成时非常宽松，而在剔除时非常严格，该策略提高了跟踪的鲁棒性，且由于冗余的关键帧被舍弃了，从而增强了 lifelong operation。
阅读全文 »

发表于 更新于 分类于 ， ，

Runz, Martin, and Lourdes Agapito. “Co-Fusion: Real-Time Segmentation, Tracking and Fusion of Multiple Objects.” In 2017 IEEE International Conference on Robotics and Automation (ICRA), 4471–78. Singapore, Singapore: IEEE, 2017. https://doi.org/10.1109/ICRA.2017.7989518.

3 Overview of our Method

Co-Fusion 是一个可以实时处理每一帧输入图片的RGB-D SLAM 系统，本系统为场景中每一个分割的物体存储模型，而且可以独立跟踪它们的运动，每个模型是由一组3D 点构成的。本系统维护两组物体模型：当前在视野中可见的active 模型，以及曾经观测到的模型，但是目前不在视野中，记为inactive 模型。本系统的框架如Fig. 2所示，在初始化阶段，场景只包含一个active 模型——背景，初始化完成后，按照Fig .2的流程处理每一帧图片。

阅读全文 »

发表于 更新于 分类于 ，

本文主要参考该文章。

1 Eigen3安装与卸载

1.1 安装

可通过apt命令安装，由于使用源码安装的方式在后续编译ORB-SLAM2 过程中可能会遇到一些问题，因此，本人建议使用apt命令进行安装：

阅读全文 »