Senarai komprehensif penyelesaian SLAM visual

MoNoSLAM

Menggunakan penapis Kalman lanjutan sebagai bahagian belakang, menjejak titik ciri yang sangat jarang di hujung hadapan, menggunakan keadaan semasa kamera dan semua titik mercu tanda sebagai kuantiti keadaan, mengemas kini min dan kovariansnya.

Kelebihan: Pada tahun 2007, dengan peningkatan prestasi komputer dan cara sistem yang jarang memproses imej, penyelesaian ini membolehkan sistem SLAM berjalan dalam talian. (Sistem SLAM sebelum ini pada dasarnya tidak boleh beroperasi dalam talian dan hanya boleh bergantung pada data yang dikumpul oleh robot yang membawa kamera untuk penentududukan dan pemetaan di luar talian.)

Kelemahan: MoNoSLAM mempunyai kekurangan seperti senario aplikasi yang sempit, bilangan tanda tempat yang terhad, dan titik ciri pekali mudah hilang Pembangunannya kini telah dihentikan.

PTAM( Penjejakan Dan Pemetaan Selari )

Prinsip utama ialah: tangkap titik ciri daripada imej fotografi, kemudian kesan satah, wujudkan koordinat 3D maya pada satah yang dikesan, dan kemudian sintesiskan imej fotografi dan CG. Antaranya, ciri uniknya ialah pengesanan satah stereoskopik dan sintesis imej diproses secara selari.

Kelebihan: Ia mencadangkan dan melaksanakan penyelarasan proses penjejakan dan pemetaan, memisahkan bahagian hadapan dan hujung belakang, dan menggunakan skema pengoptimuman bukan linear, yang bukan sahaja boleh meletakkan dan memetakan dalam masa nyata, tetapi juga menindih objek pada pesawat maya.

Kelemahan: Pemandangannya kecil dan penjejakan mudah hilang.

ORB-SLAM (PTAM yang diwarisi dan ditambah baik)

Kelebihan: Kepelbagaian: Menyokong tiga mod: monokular, binokular dan RGB-D. Keseluruhan sistem dikira mengikut ciri ORB, mencapai keseimbangan antara kecekapan dan ketepatan, dan dioptimumkan di sekitar titik ciri. Algoritma pengesanan gelung baliknya boleh menghalang pengumpulan ralat dengan berkesan. Menggunakan tiga utas untuk melengkapkan SLAM mencapai kesan penjejakan dan pemetaan yang lebih baik, dan boleh memastikan konsistensi global trajektori dan peta.

Kelemahan: Mengira ciri ORB untuk setiap imej memakan masa yang lama. Tiga utas membawa beban yang lebih besar kepada CPU, dan terdapat kesukaran tertentu dalam peranti terbenam Pemetaan ORB-SLAM menggunakan titik ciri yang jarang, yang hanya dapat memenuhi fungsi kedudukan.

LSD-SLAM（SLAM monokular Langsung Skala Besar）

Monkular digunakan secara langsung pada SLAM bermata separa tumpat Tidak perlu mengira titik ciri dan peta padat boleh dibina.

Kelebihan: Kaedah langsung adalah berdasarkan piksel; ia tidak sensitif kepada kawasan ciri yang hilang, dan penjejakan separa padat boleh memastikan penjejakan masa nyata dan kestabilan direalisasikan pada CPU.

Kelemahan: Ia sangat sensitif kepada parameter dalaman dan pendedahan kamera, dan mudah hilang apabila kamera bergerak dengan pantas Di bahagian pengesanan gelung, ia tidak dilaksanakan secara langsung berdasarkan persamaan titik ciri untuk pengesanan gelung , dan belum sepenuhnya menyingkirkan pengiraan mata ciri.

SVO (Separuh langsung Visual Odoemtry)

Odometri visual berdasarkan kaedah langsung jarang Dalam pelaksanaan, blok kecil 4x4 digunakan untuk padanan blok untuk menganggarkan pergerakan kamera itu sendiri.

Kelebihan: Ia sangat pantas dan boleh mencapai prestasi masa nyata pada platform pengkomputeran rendah Ia sesuai untuk situasi di mana platform pengkomputeran adalah terhad.

Kelemahan: Prestasi buruk dalam kamera kepala; bahagian pengoptimuman bahagian belakang dan pengesanan gelung ditinggalkan, anggaran pose SVO mempunyai ralat kumulatif, dan ia tidak mudah untuk mengubah kedudukan selepas kehilangan.

RTAB-MAP (penyelesaian SLAM pada penderia RGB-D)

Penyelesaian RGB-D SLAM yang lengkap diberikan pada masa ini, program binarinya boleh diperolehi terus daripada ROS, dan APPnya boleh digunakan terus pada Google Project Tango.

Kelebihan: Prinsipnya mudah; menyokong penderia RGB-D dan binokular, serta menyediakan fungsi kedudukan dan pemetaan masa nyata.

Kelemahan: Integrasi tinggi, saiz besar, sukar untuk menjalankan pembangunan sekunder di atasnya, sesuai untuk aplikasi SLAM dan bukannya kegunaan penyelidikan.

Atas ialah kandungan terperinci Senarai komprehensif penyelesaian SLAM visual. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!