2. 程式人生 > >RGB-D 稠密slam相關論文整理

RGB-D 稠密slam相關論文整理

阿新 • • 發佈：2018-12-09

綜合方向梳理

瞭解一下RGB-D SLAM中各開原始碼的效能對比以及所使用方法的異同。

Davison實驗室套餐

Elastic Fusion：

DynamicFusion

Dyson實驗室的各類產出

文章

介紹

地址

重建地圖的表現：TSDF模型很有特色

將三維空間劃分成網格，但是網格儲存的數值是到重建好表面的距離。正負代表靠近相機或遠離相機。

https://blog.csdn.net/fuxingyin/article/details/51417822

【泡泡機器人公開課】第十四課：KinectFusion、ElasticFusion 論文和程式碼解析 by 付興 ...

百度雲盤有視訊。

講解有點囉嗦。

http://rosclub.cn/post-227.html

相關推薦

RGB-D 稠密slam相關論文整理

綜合方向梳理 瞭解一下RGB-D SLAM中各開原始碼的效能對比以及所使用方法的異同。 Davison實驗室套餐 Elastic Fusion： DynamicFusion Dynamic

CVPR2018-Segmentation相關論文整理

語義分割 題目 解決問題 使用方法 code 框架 Dynamic Video Segmentation Network 執行速度+視訊中運動表示主要的思想是使用兩個network(一個ful

論文筆記 Locality-Sensitive Deconvolution Networks with Gated Fusion for RGB-D Indoor Semantic Segmentation

extract pear rain bsp ble rgb oge nbsp png 用於RGB-D室內語義分割的具有門控融合的局部敏感反卷積網絡 abstract problem: indoor semantic segmentation using RGB

《Frustum PointNets for 3D Object Detection from RGB-D Data》論文及程式碼學習（二）程式碼部分

《Frustum PointNets for 3D Object Detection from RGB-D Data》論文及程式碼學習（二）程式碼部分 文章目錄 《Frustum PointNets for 3D Object Detection from RG

《Frustum PointNets for 3D Object Detection from RGB-D Data》論文及程式碼學習

《Frustum PointNets for 3D Object Detection from RGB-D Data》論文及程式碼學習 《Frustum PointNets for 3D Object Detection from RGB-D Data》一文是Charles R.Qi

[SLAM]（番外篇）：一起做RGB-D SLAM(5)

    本文轉自高翔老師的部落格，建議在學完教程的第二講後，插入學習，做到工程快速入門。     原文連結：https://www.cnblogs.com/gaoxiang12/p/4719156.html  Visual Odometr

[SLAM]（番外篇）：一起做RGB-D SLAM(4)

    本文轉自高翔老師的部落格，建議在學完教程的第二講後，插入學習，做到工程快速入門。     原文連結：https://www.cnblogs.com/gaoxiang12/p/4669490.html 上講回顧 　　上一講中，我們理解了如

[SLAM]（番外篇）：一起做RGB-D SLAM(3)

    本文轉自高翔老師的部落格，建議在學完教程的第二講後，插入學習，做到工程快速入門。     原文連結：https://www.cnblogs.com/gaoxiang12/p/4659805.html      

[SLAM]（番外篇）：一起做RGB-D SLAM(7)

    本文轉自高翔老師的部落格，建議在學完教程的第二講後，插入學習，做到工程快速入門。     原文連結：https://www.cnblogs.com/gaoxiang12/p/4754948.html 添加回環檢測 簡單迴環檢測的流程

[SLAM]（番外篇）：一起做RGB-D SLAM(6)

    本文轉自高翔老師的部落格，建議在學完教程的第二講後，插入學習，做到工程快速入門。     原文連結：https://www.cnblogs.com/gaoxiang12/p/4739934.html 圖優化工具g2o的入門 　　在上一講

一起做RGB-D SLAM 第二季 （一）

　　小蘿蔔：師兄！過年啦！是不是很無聊啊！普通人的生活就是賺錢花錢，實在是很沒意思啊！ 　　師兄：是啊…… 　　小蘿蔔：他們都不懂搞科研和碼程式碼的樂趣呀！ 　　師兄：可不是嘛…… 　　小蘿蔔：所以今年過年，我們再做一個SLAM吧！之前寫的那個太爛了啦，我都不好意

一起做RGB-D SLAM(7) （完結篇）

1 /************************************************************************* 2 > File Name: rgbd-slam-tutorial-gx/part V/src/visualOdometry.cpp

RGB-D SLAM學習總結(3)

第三講 特徵提取和匹配 本講主要實現影象的特徵提取，影象間的匹配，以及相機轉換矩陣的求解。 高博的部落格中提供了兩幀影象做測試，就是這兩幀影象。。。千萬不要另存為。。。 由於具體程式碼已經有詳細介紹，這裡只往slamBase裡新增方法。 另外在使用的slambase標

RGB-D SLAM學習總結(5)

第五講 VO實現 本講基於前面的工作，實現一個簡單的視覺里程計。 首先在parameters.txt中新增相應的引數： # part 5 # 資料相關 # 起始與終止索引 start_index=1 end_index=780 # 資料所在目錄 rgb_dir=../

RGB-D SLAM學習總結(4)

第四講 點雲的拼接 在這一講裡，使用上一講的旋轉和平移量拼接點雲，形成更大的點雲圖。 話不多說，直接上程式碼： 在slamBase.h裡新增兩個方法：一個是將之前輸出的相機運動的旋轉量和平移量轉換成轉換矩陣，另一個用於拼接點雲。 // Eigen #include &

RGB-D SLAM學習總結(7)

第七講 迴環檢測 本講主要添加了關鍵幀的選取和迴環檢測。 關鍵幀的選取：通過估計參看幀與新幀之間的運動來判斷 ，運動過大，可能是計算錯誤，丟棄該幀； 若匹配太少，說明該幀影象質量不高，丟棄； ，說明離參考幀（前一幀）太近，丟棄。 slam程式的基本流程，以下為偽碼：

RGB-D SLAM中detectFeatures.cpp未定義的引用

高翔部落格下的“一起做RGB-D SLAM” 第三部分模組下出現的問題解決： Ubuntu：14.04 gcc/g++版本：4.8（Ubuntu14自帶） 在編譯detectFeatures.cp

ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras

1 摘要 我們為單眼，立體和RGB-D相機提供完整的SLAM系統ORB-SLAM2，包括地圖重用，閉環檢測和重定位功能。 該系統可在各種環境中的標準CPU中實時工作，從小型手持室內序列，到工業環境中飛行的無人機和城市周圍的汽車。我們的後端基於捆綁調整，具有單眼和

RGB-D SLAM系統評估的基準

翻譯：A Benchmark for the Evaluation of RGB-D SLAM Systems 原文連結：https://www.researchgate.net/publication/261353760_A_benchmark_for_the_evaluation_of_RG

一起做RGB-D SLAM (5)

第五講 Visual Odometry (視覺里程計)  2016.11 更新 把原文的SIFT替換成了ORB，這樣你可以在沒有nonfree模組下使用本程式了。 去掉了cv::cv2Eigen函式，因為有些讀者找不到這個函式。 檢查了minDis為零的情況。