RGBD-Direct-方法原理介紹_第1頁
RGBD-Direct-方法原理介紹_第2頁
RGBD-Direct-方法原理介紹_第3頁
RGBD-Direct-方法原理介紹_第4頁
RGBD-Direct-方法原理介紹_第5頁
已閱讀5頁,還剩13頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

RGBD

Direct

方法原理介紹2/27/20251內(nèi)容簡介RGBD

Direct

方法簡述前端:RGBD視覺里程計基礎(chǔ)Direct方法基于貝葉斯的Direct方法基于相機噪聲的Direct方法后端:優(yōu)化與相機重定位Pose

Graph與Photometric

Bundle

Adjustment攝像機重定位RGBD

Direct方法展望2/27/20252RGBD

Direct

方法簡述RGBD

相機Kinect,Intel

RealSense,Xtion

etc.Structure

light,time

of

flight(ToF)Direct方法利用所有像素最小化Photometric

ErrorDirect方法常見問題與誤會缺乏全局約束?沒有攝像機重定位方法?2/27/20253前端:基礎(chǔ)Direct方法

2/27/20254前端:基礎(chǔ)Direct方法

2/27/20255前端:基于貝葉斯的Direct方法

2/27/20256前端:基于貝葉斯的Direct方法

2/27/20257前端:基于相機噪聲Direct方法

2/27/20258前端:基于相機噪聲Direct方法

2/27/20259前端:基于相機噪聲Direct方法

2/27/202510后端:Pose

Graph與PBA誤會:Direct方法無法建立全局約束?原因1:Direct方法不提取特征點,無法建立幀與幀之間的共視約束原因2:Direct方法通常使用pose-graph做全局優(yōu)化,場景信息無法在優(yōu)化中利用起來解:利用Loop

Closure提供非連續(xù)/鄰近幀之間的關(guān)系在關(guān)鍵幀中提取少量RGBD像素建立共視約束如何選取像素?2/27/202511后端:Pose

Graph與PBA

2/27/202512后端:Pose

Graph與PBADense

Visual

SLAM

with

PSM[5]不斷收集可靠的RGBD點并添加到Map中(probabilisticsurfels)利用全局和局部信息計算每一幀的相機姿態(tài)在最后優(yōu)化時同時優(yōu)化pose-graph和

photometricBA共視約束來源于probabilisticsurfels在關(guān)鍵幀中的有效投影2/27/202513后端:攝像機重定位誤會:Direct沒有攝像機重定位方法?Indirect/sparse方法可以將每一幀的特征描述子組織成kd樹或語義樹的形式,在重定位時進行檢索解:利用RGBD像素建立Fern或Random

Forest進行關(guān)鍵幀檢索基于深度學習的相機姿態(tài)估計2/27/202514后端:攝像機重定位

2/27/202515后端:攝像機重定位PoseNet:基于深度學習的攝像機重定位[7]22層GoogLeNet提取圖片中的特征并轉(zhuǎn)化為7維相機姿態(tài)3維位置信息,四元數(shù)旋轉(zhuǎn)表示(Inference結(jié)果需要歸一化)第一篇用深度學習方法計算相機姿態(tài)的工作,重定位精度有限2/27/202516RGBD

Direct方法展望依然存在的問題和解決方法需要好的相機姿態(tài)初值(高度非線性)圖像金字塔等計算量大,在缺少并行計算資源時難以實時累計誤差問題基于語義的SLAM技術(shù)(平面等基本幾何體或Instance

recognition)攝像機重定位技術(shù)還不夠完善Ferns等方法對內(nèi)存要求較大基于深度學習的方法還不夠完善2/27/202517References[1]Kerl,Christian,JürgenSturm,andDanielCremers."RobustodometryestimationforRGB-Dcameras."

RoboticsandAutomation(ICRA),2013IEEEInternationalConferenceon.IEEE,2013.[2]Kerl,Christian,JurgenSturm,andDanielCremers."DensevisualSLAMforRGB-Dcameras."

IntelligentRobotsandSystems(IROS),2013IEEE/RSJInternationalConferenceon.IEEE,2013.[3]Babu,BenzunWisely,etal."σ-dvo:Sensornoisemodelmeetsdensevisualodometry."

MixedandAugmentedReality(ISMAR),2016IEEEInternationalSymposiumon.IEEE,2016.[4]Wasenmüller,Oliver,MohammadDawudAnsari,andDidierStricker."Dna-slam:Densenoiseawareslamfortofrgb-dcameras."

AsianConferenceonComputerVision.Springer,Cham,2016.[5]Yan,Zhixin,MaoYe,andLiuRen."DenseVisualSLAMwithProbabilisticSurfelMap."

IEEETransactionsonVisualization&ComputerGraphics

1(2017):1-1.[6]Glocker,Ben,etal."Real-timeRGB-Dcamerarelocalizationviarandomizedfernsforkeyframeencoding."

IEEEtransactionsonvisualizationandcomputergraphics

21.5(2015):571-583..[7]Kendall,Alex,MatthewGrimes,andRobertoCipolla."Posenet:Aco

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論