MonoSLAM: Real-Time Single Camera SLAM阅读
MonoSLAM: Real-Time Single Camera SLAM
这里写目录标题
- MonoSLAM：Real Time单目SLAM系统
- 摘要
-
引言
-
相关工作
- 研究方法
- 3.1节三维概率
-
重点
-
摘要
研究背景
在未知环境中的移动机器人通过单目摄像头实现的空间轨迹重建问题具有重要的研究意义。
本研究主要采用以下方法:利用概率框架在线生成一种稀疏而稳定的自然标记地图。
研究结果表明:我们主要贡献了三种关键解决方案:一种用于构建图并执行测量任务的方法;结合全局优化策略以平滑相机运动;我们还开发了一种基于单目摄像头特征初始化的方法，并提出了一种基于特征定位估计的新方案。
introduction
我们工作的一个重要要求是确保系统能够实现高帧率实时性。（原文）仅当实时性算法被用为动态世界中其它组件循环的一部分时才必要：机器人必须控制其下一个动作步骤（原文）人类需要动作的视觉反馈或者其它等待输入的过程（原文）在这种情况下（原文）来自移动相机的实时信息最能准确反映场景的状态是当前的位置坐标（而不是完整的环境地图）。尽管定位与建图是一个复杂的耦合问题（原文）并且在SLAM研究中已证明两者需要同时解决（但在此工作中我们关注的是定位作为主要输出目标：一个已经建立的稀疏优化地标地图）。此外（原文）实时摄像机跟踪场景通常都涉及在受限环境下的运动扩展或循环运动（比如：类人机器人执行任务时家用机器人打扫房间通过增强现实从不同视角观察房间）。可重复定位能力意味着来自场景实况的信息逐渐漂移不会发生（这比不断探索新区域而不返回回去更重要）。这就是我们的全概率SLAM方法：一种全局最优的同时定位与建图算法（It will naturally construct a persistent map of scene landmarks to be referenced indefinitely in a state-based framework and permit loop closures to correct long-term drift.）。这种持续的世界地图构建方式意味着如果相机运动受到限制则算法处理需求也需相应约束以保证持续的实时性能（而非基于历史位姿的历史回环检测优化的方法如[4]所述）。
相关工作
方法
3.1 三维概率
重点
这项工作的