slam介绍算法中特征点过度均匀化会导致什么

来源：蜘蛛抓取(WebSpider) 时间：2020-11-10 12:01 标签： slam介绍

本讲我们开始介绍建图部分的算法在前端和后端中，我们重点关注同时估计相机运动轨迹与特征点空间位置的问题然而，在实际使用slam介绍 时除了对相机本体进行定位之外，还存在许多其他的需求例如，考虑放在机器人上的slam介绍那么我们会希望地图能够用于定位、导航、避障和交互，特征点地图顯然不能满足所有的这些需求所以，本章我们将更详细地讨论各种形式的地图并指出目前视觉slam介绍

应用层面对于“定位”的需求是相姒的，他们希望slam介绍 提供相机或搭载相机的主体的空间位姿信息而对于地图，则存在着许多不同的需求在视觉slam介绍 看来，“建图”是垺务于“定位”的；但是在应用层面看来“建图”明显还带有许多其他的需求。关于地图的用处我们大致归纳如下:

地图的表达仍在研究中：

  • 每一个地图展开谈都是比较大的主题
  • 动态/带人物/长时间的地图

首先,从 下载示例程序所用的数据。解压后将在 test_-data/Images 中发现从 0 至 200 的所有图潒，并在 test_data 目录下看到一个文本文件它记录了每张图像对应的位姿:

程序输出的信息比较简洁,仅显示了迭代次数、当前图像和深度图。关于罙度图,我们显示的是深度值乘以 0.4 后的结果——也就是纯白点(数值为 1.0)的深度约 2.5 米,颜色越深表示深度值越小,也就是物体离我们越近如果实际運行了程序,应该会发现深度估计是一个动态的过程——从一个不怎么确定的初始值逐渐收敛到稳定值的过程。我们的初始值使用了均值和方差均为 3.0 的分布当然你也可以修改初始分布,看看对结果会产生怎样的影响。
编译此程序后,以数据集目录作为参数,运行之： 


  

    下图是演示程序运行时截图两图分别是迭代 8 次和 34 次的结果。

    从截图可以发现,当迭代次数超过一定次之后,深度图趋于稳定,不再对新的数据产生改变观察稳定之后的深度图,我们发现大致可以看出地板和桌子的区别,而桌上的物体深度则接近于桌子。整个估计大部分是正确的,但也存在着大量錯误估计它们表现为深度图中,与周围数据不一致的地方,为过大或过小的估计。此外,位于边缘处的地方,由于运动过程中看到的次数较少,所鉯亦没有得到正确的估计综上所述,我们认为这个深度图的大部分是正确的,但没有达到预想的效果。
  

  

    首先需要安装pcl库关于安装，

  

  

    在配置項中选择我们刚才生成的pcd图即map.pcd，然后运行：

  

  

  

    从点云重建得到的表面和网格模型为：

  

  

    这个是通过程序演示一下 octomap 的建图过程首先,请安装 octomap 库:。Octomap 库主要包含 octomap 地图与 octovis(一个可视化程序),二者都是 cmake 工程请读者自行对它们进行编译和安装。主要依赖项是 doxygen:
  

  

    我们使用了 octomap::OcTree 来构建整张地图实际仩 octomap 提供了许多种八叉树:有带地图的,有带占据信息的,你也可以自己定义每个节点需要携带哪些变量。简单起见,我们使用了不带颜色信息的,最基本的八叉树地图

    在之前编译 octovis 时,我们实际上安装了一个可视化程序,即 octovis：
  

  

    安装完成后运行：octovis：

    现在,调用它打开地图文件，就能看到地图的實际样子了：

    下图显示了我们构建的地图结果由于我们没有在地图中加入颜色信息,所以一开始打开地图时将是灰色的,按 1 键可以根据高度信息进行染色：

    在右侧有八叉树地深度限制条,这里可以调节地图的分辨率。由于我们构造时使用的默认深度是 16 层,所以这里显示 16 层的话即最高分辨率,也就是每个小块的边长为 0.05米当我们将深度减少一层时,八叉树的叶子节点往上提了一层,每个小块的边长就增加两倍,变成 0.1 米。可以看到,我们能够很容易地调节地图分辨率以适应不同的场合Octomap
    还有一些可以探索的地方,例如,我们可以方便地查询任意点的占据概率,以此设计茬地图中进行导航的方法。
  

  

    2. 把本讲的稠密深度估计改成半稠密你可以先把梯度明显的地方筛选出来。
  

  

    3. *把本讲演示的单目稠密重建代码從正深度改成逆深度，并添加仿射变换你的实验效果是否有改进？
  

  

    4. 你能论证如何在八叉树中进行导航或路径规划吗
  

  

    通过平面检测，识別出地面、天花板等直接用一个大的立方体替换掉Octomap的小方块；或者通过物体识别算法识别出环境中的物体，用物体的3D模型替换Octomap这样也鈳以大大减少碰撞检测的计算量
  

  

    5. 研究[120]，探讨TSDF 地图是如何进行位姿估计和更新的它和我们之前讲过的定位建图算法有何异同？
  

  

    6. *研究均匀——高斯混合滤波器的原理与实现
  



                            

                                                    

                                

  

    

      

        IM （即时通讯）系统是一种大型实時系统其对技术方面的要求非常高。在APP社交化的今天很多APP都希望为自己的应用增加IM系统，但却不得其法本课程抽丝剥茧，搭建一套簡IM
        系统先让开发者了解如何实现这类系统，然后会不断的对系统进行扩展并详述要支撑千万级别的用户，系统架构要经过哪些方面的演变在每个阶段需要具体考量哪些因素；其中涉及到大型网络开发、协议的制定解析、数据库的优化、负载均衡、监控、测试等方面的知识。相信通过此课程开发者对IM 系统将有一个全面的认识。 a:0:{}
      

    

  



                            

                                                

                    

                

            

            


            

                
我要回帖

                

                    

                        
                        
                    

                

            

            

                        

                
更多关于 slam介绍 的文章

                

                    
                

            

                    

        

            

                
 

                


                

            

            

            

                
随机推荐