今天学习了SLAM第九讲,并对毕设做了些思考调查。
SLAM第九讲很多公式我都没看懂,推不出来,还需要再学习。第九讲的内容主要是状态估计的概率解释、线性系统与KF的推导以及非线性系统与EKF的推导、BA非线性优化与求解三部分。关于卡尔曼滤波我也需要深入理解,这节涉及到很多概率论的知识,我都有些模糊了,需要在下功夫才能把这些知识理解消化吸收。
论文阅读部分,今天读了有监督深度学习方法解决视觉测量的部分论文。根绝深度学习的结合程度,可以分为杂合和端到端两种,端到端的意思就是输入图片输出位姿中间全是深度学习方法。有的只是利用深度学习做特征提取,这就不算端到端。DeepVO算是一个端到端深度学习实现视觉测量的经典成果,主要由一个ConvNet网络和一个RNN网络构成,ConvNet从图片中提取视觉特征,RNN做视觉特征的匹配。DeepVO相比于传统的方法表现很不错,超过了没有回环的ORB-SLAM,并且能自然产生具有绝对值的轨迹。
明天照常休息,按时完成日常任务,其余想学啥学啥吧,目前是想看论文,这篇深度学习在SALM领域应用的综述感觉挺有用的。
2023-01-17
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。