ビジュアル SLAM ソリューションの包括的なリスト

MonoSLAM

拡張カルマン フィルターをバックエンドとして使用し、フロントエンドで非常にまばらな特徴点を追跡し、カメラの現在の状態とすべてのランドマーク ポイントを状態量として使用し、その平均と共分散を更新します。

利点: 2007 年、コンピューターのパフォーマンスとシステムの画像処理方法が改善されたことにより、このソリューションにより SLAM システムをオンラインで実行できるようになりました。 (以前の SLAM システムは基本的にオンラインで動作できませんでした。ロボットが収集したデータに依存してカメラを運び、オフラインで測位とマッピングを実行することしかできませんでした。)

欠点: MoNoSLAM には、適用シナリオが狭い、道路標識の数が限られている、係数特徴点が失われやすいなどの欠点があり、現在は開発が中止されています。

PTAM(並列追跡およびマッピング)

主な原理は、写真画像から特徴点を取得し、平面を検出し、検出された平面上に仮想 3D 座標を設定し、写真画像と CG を合成することです。その中でも特徴的なのは、立体面の検出と画像の合成を並行して処理することである。

利点: トラッキングとマッピングのプロセスの並列化を提案および実装し、フロントエンドとリアエンドを分離し、非線形最適化スキームを使用します。これにより、リアルタイムで位置決めおよびマッピングできるだけでなく、仮想オブジェクト上にオブジェクトを重ね合わせることができます。飛行機。

欠点: シーンが小さく、追跡が簡単に失われます。

ORB-SLAM (PTAMの継承と改良)

利点: 多用途性: 単眼、両眼、RGB-D の 3 つのモードをサポートします。システム全体は ORB の特徴に基づいて計算され、効率と精度のバランスを実現し、特徴点を中心に最適化されます。ループバック検出アルゴリズムにより、エラーの蓄積を効果的に防止できます。 3 つのスレッドを使用して SLAM を完成させると、より優れた追跡効果とマッピング効果が得られ、軌道とマップのグローバルな一貫性を確保できます。

欠点: 各画像の ORB 特徴を計算するには時間がかかります。 3 つのスレッドは CPU に大きな負担をもたらし、ORB-SLAM のマッピングは位置決め機能にしか対応できない疎な特徴点を使用するため、一定の困難があります。

LSD-SLAM（大規模直接単眼SLAM）

単眼は準密単眼SLAMに直接適用され、特徴点を計算する必要がなく、密なマップを構築できます。

利点: 直接法はピクセルに基づいており、特徴の欠落領域に敏感ではなく、半密な追跡により、CPU 上で半密なマップの再構築が実現され、追跡のリアルタイム性と安定性が保証されます。 。

欠点: カメラの内部パラメータと露出に非常に敏感で、カメラが速く動くと失われやすくなります。ループ検出部分では、直接のヘアに基づいて直接実装されていません。特徴点の方程式に依存しています。ループ検出があり、特徴点の計算が完全に排除されたわけではありません。

SVO（半直接視覚オドエムトリー）

スパースダイレクト法に基づくビジュアルオドメトリの実装では、カメラ自体の動きを推定するためのブロックマッチングに 4x4 の小さなブロックが使用されます。

利点: 非常に高速で、ローエンドのコンピューティング プラットフォームでリアルタイム パフォーマンスを実現でき、コンピューティング プラットフォームが制限されている状況に適しています。

欠点: ヘッドアップ カメラのパフォーマンスが低い。バックエンドの最適化とループ検出部分が放棄され、SVO の姿勢推定には累積誤差があり、損失後の再位置決めは容易ではない。

RTAB-MAP (RGB-D センサー上の SLAM スキーム)

完全な RGB-D SLAM ソリューションが提供されており、そのバイナリ プログラムは ROS から直接入手でき、その APP は Google Project Tango で直接使用できます。

利点: 原理は単純です。RGB-D および両眼センサーをサポートし、リアルタイムの位置決めおよびマッピング機能を提供します。

欠点: 高集積、巨大なサイズ、二次開発の実行が困難、研究用途ではなく SLAM アプリケーションに適しています。

以上がビジュアル SLAM ソリューションの包括的なリストの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。