永利网上娱乐立体平面的检测和图像的合成采纳并行处理,使得该方案使得SLAM系统可以在线运行

MoNoSLAM:https://github.com/hanmekim/SceneLib2

MoNoSLAM

以扩张Carl曼滤波为后端,追踪前端相当稀疏的特征点,以相机的此时此刻情景和所有路标点为状态量,更新其均值和协方差。

以扩展Carl曼滤波为后端,追踪前端万分稀疏的特征点,以相机的脚下情状和所有路标点为状态量,更新其均值和协方差。

优点:在二零零七年,随着总括机性能的提拔,以及该种类用稀疏的措施处理图像,使得该方案使得SLAM系统能够在线运行。(从前的SLAM系统是主导不可能在线运行的,只好靠机器人引导相机采集的数目,再离线举办固化和建图。)

亮点:在二〇〇七年,随着计算机质量的擢升,以及该种类用稀疏的章程处理图像,使得该方案使得SLAM系统可以在线运行。(以前的SLAM系统是着力不可能在线运行的,只可以靠机器人带领相机采集的多寡,再离线举行一定和建图。)

症结:MoNoSLAM存在利用场景窄,路标数量有限,周详特征点至极不难丢失等缺点,现在曾经终止了对其付出。

缺陷:MoNoSLAM存在使用场景窄,路标数量少于,周详特征点卓殊不难丢失等毛病,现在曾经甘休了对其付出。

PTAM( Parallel Tracking And Mapping
)
http://www.robots.ox.ac.uk/~gk/PTAM

PTAM( Parallel Tracking And Mapping )

       紧要原理是:
从雕塑图像上捕捉特征点,然后检测出平面,在检测出的平面上创设虚拟的3D坐标,然后合成壁画图像和CG。其中,独特之处在于,立体平面的检测和图像的合成选用并行处理。

首要原理是:
从壁画图像上捕捉特征点,然后检测出平面,在检测出的平面上创制虚拟的3D坐标,然后合成水墨画图像和CG。其中,独特之处在于,立体平面的检测和图像的合成采取并行处理。

优点:提议并落成了跟踪与建图进程的并行化,将左右端分离,使用非线性优化方案,既可以实时的固定与建图,也得以在虚拟平面上叠加物体。

亮点:提出并促成了跟踪与建图进度的并行化,将左右端分离,使用非线性优化方案,既可以实时的定点与建图,也足以在编造平面上叠加物体。

症结:场景小,跟踪不难遗失。

缺陷:场景小,跟踪不难遗失。

ORB-SLAM(继承并革新PTAM)http://webdiis.unizar.es/~raulmur/orbslam/

ORB-SLAM(继承并立异PTAM)

可取:泛用性:协助单目,双目,RGB-D两种方式。整个系统围绕ORB特征举行统计,在效用与精度之间形成了平衡,并围绕特征点举行了优化。其围绕检测算法可以有效地避免误差的聚积。使用三个线程落成SLAM,取得了较好的跟踪和建图效果,可以确保轨迹和地图的全局一致性。

亮点:泛用性:匡助单目,双目,RGB-D三种情势。整个种类围绕ORB特征举行测算,在效能与精度之间做到了平衡,并围绕特征点举办了优化。其围绕检测算法可以使得地防备误差的积攒。使用两个线程落成SLAM,取得了较好的跟踪和建图效果,可以有限支撑轨迹和地图的大局一致性。

      
缺点:对于每幅图像都急需总计ORB特征耗时大。三线程给CPU带来较大负担,在间接到嵌入式设备上有一定的紧巴巴,ORB-SLAM的建图为稀疏特征点,只好满意一定功能。

缺点:对于每幅图像都必要统计ORB特征耗时大。三线程给CPU带来较大负担,在平素到嵌入式设备上有一定的狼狈,ORB-SLAM的建图为稀疏特征点,只可以满意一定成效。

LSD-SLAM(Large Scale Direct monocular SLAM)

LSD-SLAM(Large Scale Direct monocular SLAM)

      
将单目直接发应用到了半密布的单目SLAM中,不须求总计特征点,仍可以构建版稠密地图.

将单目直接发应用到了半细密的单目SLAM中,不须求总计特征点,还可以营造版稠密地图.

亮点:直接法是指向像素进行的;对特色缺失区域不灵活,半稠密追踪可以确保追踪的实时性和稳定性;在cpu上贯彻了半细密地图的重建。

亮点:直接法是针对像素举办的;对特色缺失区域不灵动,半稠密追踪能够确保追踪的实时性和平静;在cpu上贯彻了半细密地图的重建。

症结:对相机内参和揭露分外敏锐,并且在相机快捷移动时不难遗失,在围绕检测部分,没有平昔基于直接发已毕,依赖特征点方程举办回环检测,尚未完全摆脱特征点的乘除。

缺陷:对相机内参和揭露万分灵动,并且在相机快捷移动时简单遗失,在围绕检测部分,没有一贯基于直接发完结,依Wright征点方程进行回环检测,尚未完全摆脱特征点的一个钱打二十四个结。

SVO( Semi-direct Visual Odoemtry )

SVO( Semi-direct Visual Odoemtry )

依照稀疏间接法的视觉里程计,在完成中,使用了4×4的小块举行块匹配,揣摸相机资自身的移位。

依据稀疏直接法的视觉里程计,在贯彻中,使用了4×4的小块举办块匹配,推断相机资自身的位移。

优点:速度极快,在低端计算平台上也能落得实时性,适合总计平台受限的场所。

可取:速度极快,在低端统计平台上也能落得实时性,适合总括平台受限的场面。

症结:在平视相机中表现不好;放任了后端优化和环绕检测部分,SVO的位姿揣度留存统计误差,并且丢失后不太不难开展重从来。

缺点:在平视相机中显现不好;放弃了后端优化和环绕检测部分,SVO的位姿估量留存统计误差,并且丢失后不太简单开展重一贯。

RTAB-MAP(RGB-D传感器上的SLAM方案)

RTAB-MAP(RGB-D传感器上的SLAM方案)

       给出了一套完整的RGB-D
SLAM方案,近年来得以一直从ROS中赢得其二进制程序,在谷歌(Google) Project
Tango上可以得到其APP直接利用。

交由了一套完整的RGB-D
SLAM方案,方今得以平昔从ROS中获得其二进制程序,在谷歌 Project
Tango上可以得到其APP直接利用。

优点:原理不难;协助RGB-D和眼睛传感器,且提供实时的定势和建图功用。

可取:原理不难;支持RGB-D和眼睛传感器,且提供实时的稳定和建图效能。

症结:集成度高,庞大,在其上进展二次开发困难,适合作为SLAM应用而非探讨选拔。

缺陷:集成度高,庞大,在其上进展二次开发困难,适合营为SLAM应用而非研商利用。

 

原文来自:http://www.linuxprobe.com/v-slam-plans.html

相关文章