首页 > TAG信息列表 > monocular
论文阅读笔记：(2021.06 cvpr) Categorical Depth Distribution Network for Monocular 3D Object Detection
paper:https://openaccess.thecvf.com/content/CVPR2021/papers/Reading_Categorical_Depth_Distribution_Network_for_Monocular_3D_Object_Detection_CVPR_2021_paper.pdfhttps://openaccess.thecvf.com/content/CVPR2021/papers/Reading_Categorical_Depth_Distribution_NeORB-SLAM: a Versatile and Accurate Monocular SLAM System
论文翻译 论文讲解 三、系统总览 在这部分中简单介绍了一下整个系统的流程。 A特征选择 制图和追踪过程中的特征点在重定位和回环检测的时候也会使用，从而实现一个更加高效的系统。在ORBSLAM中使用的特征描述子是ORB描述子，这种描述子计算和匹配的速度很快，同时具有旋转不变性，从《论文笔记》Cooperative Multi-Robot Monocular-SLAM using Salient Landmarks
时间：2009 作者： 创新点： 提出新的理论框架——基于视觉的多robot(文章以2个robot为例)协同SLAM 初始条件：两robot(配置单目摄像机及自身EKF-SLAM算法)，不需要robot之间相互了解初识位置 salient landmark：指robot探测的标志性物质，本文有两种1）门牌(doorplate) 2）垂直的线论文阅读笔记：(2017.08) VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator
记录一些读vins-mono的想法， 持续更新中吧 单目visual-inertial系统存在的一些挑战： 1. 不能从静止（或者是纯旋转）的条件下初始化尺度； 2. 优化问题高度非凸， 对初值敏感； 3. 相机和imu的标定非常重要； 本文的主要贡献： 1. 提出一种鲁棒的系统初始化方法； 2. 紧耦合的单目VIO, 可以估计相【论文笔记】Monocular Camera Localization in 3D LiDAR Maps
【论文笔记】Monocular Camera Localization in 3D LiDAR Maps ~~~ ~~~~在Ubuntu16.04中运行ORB-SLAM2
1、安装ORB-SLAM2 $ git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2 2、编译ORB-SLAM2 $ cd ORB_SLAM2 $ chmod +x build.sh $ ./build.sh 3、从http://vision.in.tum.de/data/datasets/rgbd-dataset/download下载序列并解压缩。本文下载的是TUM数据集，。 $ .Improving Monocular Depth Estimation by Leveraging Structural Awareness and Complementary Datasets
提出问题：目前单目深度估计中的方法存在的问题是缺乏结构信息的利用，这样就会导致不准确的空间信息，表面不连续，模糊边界问题。 提出解决方案： 为了充分利用视觉特征的空间关系，提出了一个空间结构注意力模块，这个模块让不同特征层注意不同的结构信息，比如有些层注意全局结构，有些层Multi-Scale Continuous CRFs as Sequential Deep Networks for Monocular Depth Estimation摘要和简介翻译
Multi-Scale Continuous CRFs as Sequential Deep Networks for Monocular Depth Estimation 多尺度的连续条件随机场，作为序列化的深度神经网络，用于单目深度图的估计 Abstract 摘要 This paper addresses the problem of depth estimation from a single still image《Boosting Monocular Depth Estimation Models to High-Resolution...》论文笔记
参考代码：BoostingMonocularDepth 论文：Boosting Monocular Depth Estimation Models to High-Resolution via Content-Adaptive Multi-Resolution Merging 1. 概述 导读：这篇文章提出了一种使用现有深度估计模型（MiDas）生成具有更高分辨率/更多细节表现深度图的方法（同时保持高分运行ORB_SLAM3时出现Failed to load image at: /Datasets/EuRoC/MH01/mav0/cam0/data/1403636579763555584.png
原因在于自己运行测试数据集时，命令写为了 ./Examples/Monocular/mono_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular/EuRoC.yaml /Datasets/EuRoC/MH01 ./Examples/Monocular/EuRoC_TimeStamps/MH01.txt dataset-MH01_mono Datasets路径有问题（Datasets文件夹我是放在当Unsupervised Monocular Depth Estimation with Left-Right Consistency 论文解析
Unsupervised Monocular Depth Estimation with Left-Right Consistency 论文链接： https://arxiv.org/abs/1609.03677 Problem Statement 这是一个双目自监督深度估计的论文，利用两张图片进行深度估计，但是在推理阶段可以使用一张图片进行深度估计。利用对级几何约束，把深度估计文献记录(part39)--Boundary-induced and scene-aggregated network for monocular depth prediction
学习笔记，仅供参考，有错必纠 关键词:单眼深度预测;边界诱导;深度相关 随便看看系列… Boundary-induced and scene-aggregated network for monocular depth prediction 摘要 单目深度预测是场景理解中的一项重要任务。它旨在预测单个RGB图像的密集深度。随着深度学习的发展SLAM总结（一）
SLAM总结（一）- SLAM原理概述与简介 SLAM（Simultaneous Localization and Mapping）：同时定位和建图，定位是定位机体在世界坐标系下的位姿（pose、transformation）。单传感器机体一般指相机光心、激光雷达scan中心、IMU中心、编码器两轮轴心，多传感器一般使用IMU中心，可以避免离心力DeepLiDARFlow: A Deep Learning Architecture For Scene Flow Estimation Using Monocular Camera and Spa
场景光流是对场景中运动和几何模型的稠密三维重建。大多数的系统都是利用双目图像作为输入输出场景的三维重建结果。现存的系统都是比较依赖RGB图像的质量而且在一些反光物体，遮挡，病态的光线场景下表现很差。雷达在上述的环境中影响就很小，但是由于雷达数据的稀疏性导致雷达的《SLAM十四讲》阅读笔记-《2D Grid Mapping and Navigation with ORB SLAM》
Though this point cloud can be useful for obtaining the 3D structure of the environment, it is not as useful for path planning and navigation using algorithms that need a 2D occupancy grid map as input.The point cloud produced by ORB SLAM is somewhat sporb-slam2配置环境时几个常见问题
1.what(): Pangolin X11: Unable to retrieve framebuffer options Aborted (core d 注释掉Pangolin/src/display/device/display_x11.cpp 2.ORB_SLAM2/src/System.cc:315:20: error: ‘usleep’ was not declared in this scope usleep(5000); 找到对应的System.cc加入使用TUM数据集跑orbslam2单目程序mono
使用TUM数据集跑orbslam2单目程序mono 1、下载数据集 这里选择从TUM Dataset下载数据集 http://vision.in.tum.de/data/datasets/rgbd-dataset/download 这里下载的是rgbd_dataset_freiburg1_xyz 。解压至自己喜欢的目录。 2、参数设置 根据作者说明： TUM Dataset DownlORB-SLAM2
生成associations_my.txt文件 python associate.py rgb.txt depth.txt > associations_my.txt 运行 ./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM1.yaml /home/jinrui/SLAM/TUM/rgbd_dataset_freiburg1_deskUnsupervised Monocular Depth Estimation with Left-Right Consistency代码详解（model.py）
定义MonodepthModel类 **def init**的第一个参数必须为delf self.params = params self.mode = mode self.left = left self.right = right self.model_collection已训练模型 reuse_variables=none self.build_model() self.build_output() 如果是test模式，不进行build.lo4.SceneCode: Monocular Dense Semantic Reconstruction using Learned Encoded Scene Representations.
目录 Abstract ： Abstract ： Systems which incrementally create 3D semantic maps from image sequences must store and update representa- tions of both geometry and semantic entities. However, while there has been much work on the correct formulation for geo[论文学习] ORB-SLAM: a Versatile and Accurate Monocular SLAM System
转自：https://blog.csdn.net/darlingqiang/article/details/78840627 ORB-SLAM: a Versatile and Accurate Monocular SLAM System 原文发表于：IEEE Transactions on Robotics (Impact Factor: 2.43). 10/2015 摘要： 本文主要讲了ORB-SLAM，一个基于特征识别的单目slam系统，可以实