快速获得最新干货 背景介绍 在自动驾驶、无人机、增强现实、机器人导航等领域的技术栈中,即时定位和建图(SLAM)是其中的核心技术之一。SLAM中所涉及到的传感器有相机、激光雷达、IMU、GPS、轮速计等,面对不同的平台和传感器配置,如何选择适合自己的技术方案呢? 全国最大机器人SLAM开发者社区 长按二维码,加入即可开始学习~3天内无条件退款 购买后务必加客服领取其他权益和加交流群 现在加入免费送5年SLAM答疑精华手册(共938页) 视觉SLAM基础 ORB-SLAM2是业内最知名、应用最广泛的视觉SLAM开源代码之一。它有如下优点:
ORB-SLAM2 用于室内三维重建 ORB-SLAM2详细注释的代码持续更新,网址: https://github.com/electech6/ORB_SLAM2_detailed_comments 长按或扫描查看系统教程大纲 视觉惯性SLAM技术 ORB-SLAM3系统教程 ORB-SLAM3是在ORB-SLAM2的基础上开发的视觉惯性SLAM技术,于2020年7月发布。它在定位精度和效果上几乎碾压了同类的开源算法,受到极大关注。 它有如下特点: 1、 第一个可以运行视觉、视觉惯性和多地图,支持单目、双目和RGB-D相机,且支持针孔和鱼眼镜头模型的SLAM系统。 2、该算法可以在不同大小,室内和室外环境中鲁棒、实时的运行,精度上相比于以前的方法提升了2~5倍。 3、 多地图系统可以让系统在视觉信息缺乏的场景下长时间运行。比如当跟踪丢失的时候,它会重新建立新的地图,并在重新访问之前的地图时,无缝地与之前的地图合并。 4、实验结果证明,双目惯性模式下,该算法在无人机数据集EuRoC上可以达到平均3.6cm的定位精度,在手持设备快速移动的室内数据集TUM-VI上达到了9mm的定位精度。 从室内到室外,丝滑闭环 全网最详细ORB-SLAM3代码注释地址: https://github.com/electech6/ORB_SLAM3_detailed_comments 长按或扫描查看系统教程大纲 滤波SLAM之MSCKF原理解析与源码详解 详情:滤波SLAM之MSCKF-VIO,视觉惯性SLAM的半边天! MSCKF全称Multi-State Constraint Kalman Filter(多状态约束卡尔曼滤波器),是一种基于滤波的VIO算法,2007年由Mourikis在《A Multi-State Constraint Kalman Filter for Vision-aided Inertial Navigation》中首次提出。MSCKF在EKF框架下融合IMU和视觉信息,相较于单纯的VO算法,MSCKF能够适应更剧烈的运动、一定时间的纹理缺失等,具有更高的鲁棒性;相较于基于优化的VIO算法,MSCKF精度相当,速度更快,适合在计算资源有限的嵌入式平台运行。在机器人、无人机、AR/VR领域,MSCKF都有较为广泛的运用,如Google Project Tango就用了MSCKF进行位姿估计。 计算机视觉life已经推出了ORB-SLAM3、VINS:Mono+Fusion等基于优化的VIO算法,经过精心准备,我们推出了基于滤波的算法课程《滤波SLAM之MSCKF原理解析与源码详解》, 并对开源代码进行详细的中文注释,是国内唯一系统讲解MSCKF原理及代码实战的课程 VINS-Mono/Fusion原理解析与源码详解 VINS即Visual-Inertial navigation Systems,是视觉惯性导航系统的统称,不过我们平时所说的一般是指VINS-Mono/Fusion。香港科技大学飞行机器人实验室(沈邵劼团队)在2018年开源了VINS-Mono算法。第一作者秦通(2019华为天才少年),该论文获2018年机器人顶级期刊IEEE Transactions on Robotics最佳论文奖。它用一个单目相机+惯性测量单元(Inertial Measurement Unit,简称IMU)实现了紧耦合的视觉和惯性联合状态估计,在保证高精度里程计效果的同时,还可以同时估计出传感器外参,IMU零偏以及传感器时延。2019年该团队开源了VINS-Mono的升级版VINS-Fusion,它支持多种视觉惯性传感器类型,包括单目+IMU,双目+IMU,以及纯双目。VINS-Mono和VINS-Fusion在当年一骑绝尘,是非常经典且优秀的VIO框架。 以下是VINS-Fusion在汽车SLAM上的效果: 以下是讲师详细注释的代码地址: https://github.com/xieqi1/VINS-Mono-noted https://github.com/xieqi1/VINS-Fusion-noted 长按或扫描查看系统教程大纲 基于LiDAR的多传感器融合技术
视觉几何三维重建技术
长按或扫描查看视觉几何三维重建大纲 C++编程入门基础 很多初学SLAM的小伙伴都有个疑问:号称宇宙第一语言的Python,简单好用,包又多,功能又强大,为啥SLAM算法里很少使用呢? SLAM知识星球嘉宾刘国庆在知乎做了回答 这里再补充几点:
很多小伙伴都是机械、自动化、通信等非计算机专业,也没有经历过系统的C++训练,而在具体的项目中,比如SLAM算法框架中,通常的代码并不是我们在书上看到的那样简单直白。很多同学在学习SLAM的过程中感觉C++是一座难以跨越的大山,学习过程漫长而痛苦,项目开发遇到bug也不会调试,书看完了代码还是不会写,代码一改就错,一错就懵。 长按或扫描查看系统教程大纲 C++编程进阶与提升 很多同学在学习SLAM的过程中感觉C++是一座难以跨越的大山,学习过程漫长而痛苦,项目开发遇到bug也不会调试,书看完了代码还是不会写,代码一改就错,一错就懵。 大家在做工程项目的时候还会遇到很多实际问题,本课程帮你彻底搞懂指针、容器、内存、代码调试、多线程、CMake等。仅整个讲义都有200页左右,是一部超级实用的C++学习手册。 本课程坚持从实践中学习,坚持学以致用,用代码提升学员对知识的掌握。语言开发我们一直倡导学习中“多踩坑”,但是我们是带着学员有目的、方向明确的踩坑,这样能够加深学员对知识的理解,在项目开发中“少踩坑”。 学完本课程,你可以很好的应对C++知识相关的面试,对代码编译、库、链接有一定的认识,对CMake、Eigen能较好的使用,能够对设计模式有一定的理解。 长按或扫描查看系统教程大纲 相机标定技术框架
毫不夸张的说,相机标定是一切三维视觉的基础。它广泛应用于双目视觉、手眼机械臂、机器人定位建图、图像拼接、三维重建等场景。 长按或扫描查看系统教程大纲 SLAM传感器与算法部署实战 学习SLAM过程中我们会遇到很多坎坷,如果没人指点,可能会花费大量的时间走弯路,尤其是涉及到传感器和算法部署的环节,错误/bug不断,很多同学不知如何下手。课程详情重磅上线!SLAM传感器与算法部署实战 问题主要集中在:
基于此,计算机视觉life历时几个月精心准备,开设了首个系统讲解《SLAM传感器及算法部署实战》课程。最终课件预计达上百页。
机器人运动规划 运动规划和SLAM什么关系? 其实在企业里,SLAM算法工程师、运动规划工程师通常是相对独立的岗位,SLAM技术通常可以得到稀疏的定位地图,结合后处理可以得到稠密的三维点云地图。此时我们需要用一定的规则将其转化为栅格化地图,机器人在这个地图的基础上进行运动规划(导航)。SLAM和运动规划是自主机器人的两个核心技术。 简单来说,解决机器人导航问题一般被称为运动规划,就是让机器人可以自主根据传感器获取外部环境信息,在当前环境中找到一条适合机器人行走的最佳路径。这不是一个简单的工作,因为地图可能发生变化,其他运动的物体也是必须要绕过的障碍物,所以常常需要更改自己的规划,如何在这种复杂的环境下高效率地实现最佳路径,就是运动规划的使命。 |
|
来自: taotao_2016 > 《视觉》