首頁 > 系統教程 > Linux > 主體

視覺SLAM的方案大全

WBOY
發布: 2024-04-14 13:31:01
轉載
464 人瀏覽過

視覺SLAM的方案大全

MoNoSLAM

#以擴展卡爾曼濾波為後端,追蹤前端非常稀疏的特徵點,以相機的當前狀態和所有路標點為狀態量,更新其平均值和協方差。

優點:在2007年,隨著電腦效能的提升,以及該系統以稀疏的方式處理影像,使得該方案使得SLAM系統能夠在線上運作。 (先前的SLAM系統是基本上無法在線上運作的,只能靠機器人攜帶相機擷取的數據,再離線進行定位和建圖。)

缺點:MoNoSLAM存在應用場景窄,路標數量有限,係數特徵點非常容易丟失等缺點,現在已經停止了對其開發。

PTAM( Parallel Tracking And Mapping )

主要原理是: 從攝影影像上捕捉特徵點,然後偵測出平面,在偵測出的平面上建立虛擬的3D座標,然後合成攝影影像和CG。其中,獨特之處在於,立體平面的偵測和影像的合成採用並行處理。

優點:提出並實現了追蹤與建圖過程的並行化,將前後端分離,使用非線性最佳化方案,既可以即時的定位與建圖,也可以在虛擬平面上疊加物體。

缺點:場景小,追蹤容易遺失。

ORB-SLAM(繼承並改進PTAM)

#優點:泛用性:支援單目,雙眼,RGB-D三種模式。整個系統圍繞著ORB特徵進行計算,在效率與精度之間做到了平衡,並圍繞特徵點進行了最佳化。其回環檢測演算法可以有效防止誤差的累積。使用三個執行緒完成SLAM,取得了較好的追蹤和建圖效果,能夠確保軌跡和地圖的全域一致性。

缺點:對於每張影像都需要計算ORB特徵耗時大。三執行緒給CPU帶來較大負擔,在一直到嵌入式裝置上有一定的困難,ORB-SLAM的建圖為稀疏特徵點,只能滿足定位功能。

LSD-SLAM(Large Scale Direct monocular SLAM)

#將單目直接發應用到了半稠密的單目SLAM中,不需要計算特徵點,還能建立版稠密地圖.

優點:直接法是針對像素進行的;對特徵缺失區域不敏感,半稠密追蹤可以保證追蹤的即時性和穩定性;在cpu上實現了半稠密地圖的重建。

缺點:對相機內參和曝光非常敏感,並且在相機快速運動時容易丟失,在回環檢測部分,沒有直接基於直接發實現,依賴特徵點方程進行回環檢測,尚未完全擺脫特徵點的計算。

SVO( Semi-direct Visual Odoemtry )

基於稀疏直接法的視覺里程計,在實現中,使用了4x4的小塊進行塊匹配,估計相機資自身的運動。

優點:速度極快,在低階運算平台上也能達到即時性,適合計算平台受限的場合。

缺點:在平視相機中表現不佳;捨棄了後端優化和回環檢測部分,SVO的位姿估計存在累計誤差,並且丟失後不太容易進行重定位。

RTAB-MAP(RGB-D感測器上的SLAM方案)

給出了一套完整的RGB-D SLAM方案,目前可以直接從ROS中獲得其二進位程序,在Google Project Tango上可以獲得其APP直接使用。

優點:原理簡單;支援RGB-D和雙眼感測器,且提供即時的定位和建圖功能。

缺點:整合度高,龐大,在其上進行二次開發困難,適合作為SLAM應用而非研究使用。

以上是視覺SLAM的方案大全的詳細內容。更多資訊請關注PHP中文網其他相關文章!

來源:linuxprobe.com
本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
熱門教學
更多>
最新下載
更多>
網站特效
網站源碼
網站素材
前端模板