深度学习跟SLAM的结合点

1、用深度学习方法替换传统SLAM中的一个/几个模块

• 特征提取，特征匹配，提高特征点稳定性，提取点线面等不同层级的特征点。
• 深度估计
• 位姿估计
• 重定位
• 其他

2、在传统SLAM之上加入语义信息（毕设相关）

• 图像语义分割
• 语义地图构建

3、端到端的SLAM

• 机器人自主导航（深度强化学习）等

 

2.1 Semantc SLAM

　　code

　　特点:

• ORB_SLAM2, used as our SLAM backend.
• pytorch-semseg, used as our semantic segmantation library.
• octomap, used as our map representation.
• pcl library, used for point cloud processing.

 

 

 

 2.2 ORB-SLAM2+YOLO3 

　　Qi X, Yang S, Yan Y. Deep Learning Based Semantic Labelling of 3D Point Cloud in Visual SLAM[C]//IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2018, 428(1): 012023.
　　国防科技大学高性能计算国家重点实验室

　　code:orb-slam2_with_semantic_label

 

 

 

 2.3  Meaningful maps with object-oriented semantic mappng

　　Sünderhauf N, Pham T T, Latif Y, et al. Meaningful maps with object-oriented semantic mapping[C]//2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2017: 5079-5085.

　　ORB-SLAM2+SSD

 

 

 

2.4 DynaSLAM: Tracking, mapping, and inpainting in dynamic scenes

　　ORB-SLAM2 + Mask R-CNN

　　code:DynaSLAM

 

 

 

 

2.5 DA-RNN: Semantic mapping with data associated recurrent neural networks

　　RNN+CNN 语义分割

　　DA-RNN

　　

 

 　　

 

 

2.6 Ds-slam: A semantic visual slam towards dynamic environments

　　SegNet+ORB SLAM2

　　Ds-SLAM

2.7 Maskfusion: Real-time recognition, tracking and reconstruction of multiple moving objects

　　MaskFusion + ElasticFusion

　　MaskFusion

标签：used,semantic,结合点,语义,SLAM2,SLAM,深度,ORB
来源： https://www.cnblogs.com/bupt213/p/12088409.html