基于神经网络的VSLAM综述OA北大核心CSTPCD
传统的基于视觉的SLAM技术成果颇丰,但在具有挑战性的环境中难以取得想要的效果.深度学习推动了计算机视觉领域的快速发展,并在图像处理中展现出愈加突出的优势.将深度学习与基于视觉的SLAM结合是一个热门话题,诸多研究人员的努力使二者的广泛结合成为可能.本文从深度学习经典的神经网络入手,介绍了深度学习与传统基于视觉的SLAM算法的结合,概述了卷积神经网络(CNN)与循环神经网络(RNN)在深度估计、位姿估计、闭环检测等方面的成就,分析了神经网络在语义信息提取方面的优点,以期为未来自主移动机器人真正自主化提供帮助.最后,对未来VSLAM发展进行了展望.
尚光涛;陈炜峰;吉爱红;周铖君;王曦杨;徐崇辉;
南京信息工程大学自动化学院,南京210044南京航空航天大学机电学院/运动仿生与智能机器人实验室,南京210016
计算机与自动化
同时定位和地图构建(SLAM)深度学习卷积神经网络(CNN)循环神经网络(RNN)位姿估计闭环检测语义
《南京信息工程大学学报》 2024 (003)
P.352-363 / 12
国家自然科学基金(51875281)。
评论