《表1 视觉SLAM标志性成果表》
LSD-SLAM(large-scale direct SLAM)[2]的提出标志着单目直接法SLAM的成功问世。LSD-SLAM的重要贡献在于将直接法用到了半稠密的单目SLAM中,不仅不需要特征点,还能在CPU上实现半稠密场景的重建。尽管LSD-SLAM对特征缺失的区域不敏感,但后续还需要依靠特征点法进行回环检测,无法真正意义上摆脱特征点的计算。由Forster等人[3]提出的SVO(semi-direct visual odometry)是一种基于稀疏直接法的视觉里程计。SVO最大的优势是时间复杂度低,即使在低端的计算平台上也能达到实时性。但SVO为了轻量化,没有后端优化和回环检测部分,更无法建图,不是完整的SLAM。RTAB-MAP(real time appearance-based mapping)[12]是RGB-D SLAM中较为完善和经典的方案,包括基于特征点的视觉里程计、基于Bo W的回环检测、后端的位姿图优化和网格地图。表1为近年来视觉SLAM的发展状况。前端中稀疏、稠密和半稠密方法适应着不同的需求不断更新;在后端中,基于滤波器方法已经被基于优化的方法所取代,传感器的使用趋于多样化。
图表编号 | XD003883800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 孙永全、田红丽 |
绘制单位 | 河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室 |
更多格式 | 高清、无水印(增值服务) |