SLAM研究进展.pptx
- 文档编号:18413210
- 上传时间:2023-08-16
- 格式:PPTX
- 页数:40
- 大小:12.44MB
SLAM研究进展.pptx
《SLAM研究进展.pptx》由会员分享,可在线阅读,更多相关《SLAM研究进展.pptx(40页珍藏版)》请在冰点文库上搜索。
视觉SLAM研究,2015.9秋季学期组会报告清华大学导航中心高翔,提纲,SLAM基本概念SLAM是什么?
为何要做SLAM?
SLAM的现状?
发展历程我的研究工作基于平面特征点的RGB-DSLAM基于SDA深度网络的回环检测技术基于CRF的RGB-D场景语义解析,SLAM基本概念,SLAM基本概念,智能机器人技术应用:
工业、家庭、商务案例:
扫地机器人、家用机器人、无人机、智能手机、可穿戴设备任务:
路径规划、人机交互、搬运、操作、定位与建图(SLAM),SLAM基本概念,SLAM:
SimultaneousLocalizationandMappingLocalization:
定位Mapping:
建图,SLAM基本概念,定位建图WhereamI?
Whatisaroundme?
相互依赖又互为因果的两个问题。
SLAM基本概念,WhySLAM?
SLAM是机器人进入未知环境遇到的第一个问题。
是路径规划及许多其他任务的前提。
是实现机器人自主性的关键。
SLAM基本概念,未知环境指机器人没有先验知识的环境室内、室外均可简化环境物体为静态刚体机器人是环境中唯一能够运动的实体虽然有些过于简单,但是早期SLAM系统确实是建立在这些简化的假设之上。
SLAM基本概念,SLAM研究的现状?
定位+建图基本理论已经成熟若干经典的实现方案正在开始应用到市场习大大:
要把我国机器人水平提高上去,尽可能多地占领市场。
2014年两院院士大会,SLAM基本概念,SLAM基本概念,SLAM基本概念,SLAM发展历程,SLAM发展历程,史前:
-1990EKF主导时期:
1990-2005BA转型时期:
2006-2010前沿:
2010-,SLAM发展历程,史前:
-1990未形成SLAM概念仅在地图已知的情况下研究定位问题例Leonard90,Leonard91根据已有的标记物进行定位已知地图,SLAM发展历程,EKF主导时期:
1990-20051986-1990.Smith86Smith90首次清楚地定义Localization+Mapping问题提出以EKF模型求解SLAM,成为后十五年SLAM问题的主导模型EKF的优势对定位与建图中的误差进行建模同时考虑两个问题模型简单,易于实现,SLAM发展历程,早期EKFSLAM举例:
Leonard91,Castellanos98,Davison98,Newman99Castellanos98:
MobileRobotLocalizationandMapBuilding:
AMultisensorFusionApproach,PhDThesis,1998.,Sensorfusion:
图像+LaserEKF框架Laser为主的定位,SLAM发展历程,21世纪:
视觉SLAM的开端Davison98,Davison03,Se02,Chiuso02Se02:
MobileRobotLocalizationandMappingwithUncertaintyusingScale-InvariantVisualLandmarks,IJRR,2002.双目相机,特征点运动估计,EKF框架*作者在04年提出了SIFT特征,但在02年已经应用于机器人系统了。
SLAM发展历程,21世纪:
视觉SLAM的开端Davison03:
Real-TimeSimultaneousLocalisationandMappingwithaSingleCamera,ICCV,2003单目相机,EKF框架最早的实时SLAM系统,成为之后许多单目系统的鼻祖*Davison本人也是业界传说之一,领导帝国理工大学的机器人视觉组做出了很多前沿贡献。
SLAM发展历程,EKF局限性线性化假设平方复杂度数百个特征和姿态点稀疏路标地图滤波器的时间串行性质(sequentialnature)对数据关联敏感难以实现闭环改进其他滤波器:
PF,RBPF,IF,UKF,etc.BA方法:
2006以后,SLAM发展历程,滤波器思路的改进粒子滤波器(PF)及RBPFGrisetti07.FastandaccurateSLAMwithRao-Blackwellizedparticlefilters,RAS,2007.Sim07.AStudyoftheRao-BlackwellisedParticleFilterforEfficientandAccurateVision-BasedSLAM,IJCV.FastSLAMMontemerlo02FastSLAM:
Afactoredsolutiontothesimultaneouslocalizationandmappingproblem.AAAI.Hahnel03.AnefficientFastSLAMalgorithmforgeneratingmapsoflarge-scalecyclicenvironmentsfromrawlaserrangemeasurements.IROS.分治EKFPaz08.DivideandConquer:
EKFinO(n).TRO,2008.其他参见Chen12,SLAM发展历程,BA转型时期:
2006-2010根本上不同于滤波器的框架什么是BA(BundleAdjustment)?
优化所有帧位姿约束的误差起源于摄影几何,2000年引入StructurefromMotion(SfM)Triggs00SfM代表性工作:
BuildingRomeinonedayAgarwal09.,SLAM发展历程,2006-2010发现SLAM和SfM中许多共同点将BA引入SLAM,并成为VisualSLAM中的主导方法代表性工作PTAM:
Klein07.ParalleltrackingandmappingforsmallARworkspaces,ISMAR.VisualSLAM里程碑式工作单目,BA框架,虚拟现实提出以不同频率求解定位与建图,用两个单独的线程处理之;,SLAM发展历程,2006-2010代表性工作FrameSLAMKonolige08:
FrameSLAM:
FromBundleAdjustmenttoReal-TimeVisualMapping,TRO.只保留位姿约束,特征只用于帧间匹配,在大范围内进行SLAM,SLAM发展历程,随着BA进一步应用,研究者们开始讨论滤波器与BA的优劣。
Strasdat12:
Visualslam:
Whyfilter?
ImageandVisionComputing.认为在单位计算量前提下,BA方法能得到更多有效的信息,SLAM发展历程,前沿研究:
2010至今日益成熟的系统与软件RGBD-SLAM-V2:
Endres14.SLAM+:
Salas-Moreno13.LSD-SLAM:
Engel14ORB-SLAM:
Mur-Artal15.SVO:
Forster14KinectFusion:
Newcombe11DTAM:
Newcombe11DensePlanarSLAM:
Salas-Moreno14OpenRatSLAM:
Milford10G2O:
Kummerle11SBA:
Lourakis09iSAM:
Kaess09,SLAM发展历程,前沿研究:
2010至今丰富的传感器单目相机双目/多目相机深度相机(RGB-D)全景相机2D转轴雷达可穿戴设备GPUSLAM,SLAM发展历程,前沿研究:
2010至今复杂的环境非特征点SLAM:
Rao12,Salas14动态环境:
Einhorn14,Yangming13多机器人协作:
Zou13,Balzer13,Maddern12长时间SLAM:
Tipaldi13,Bacca13语义信息:
Cadena14,Siagian14,Fioraio13拓扑/网格地图:
Besson10,SLAM发展历程,过去WhereamI?
定位Whatisaroundme?
建图现在WhatIcandowithit?
SLAM发展历程,WhatIcandowithit?
过去:
静态、刚体的环境基本解决现在的环境人员密集柔性物体运动物体动态光照理解环境内容,我的研究工作,我的研究工作,传感器信息处理回环检测语义场景理解,我的研究工作,传感器信息处理方法:
基于平面特征点的RGB-DSLAM.XiangGao,TaoZhang,RobustRGB-Dsimultaneouslocalizationandmappingusingplanarpointfeatures,RoboticsandAutonomousSystems,Vol.72,1-14,2015特点:
针对Kinect特性对点云进行了预处理结论:
平面点特征能更准确地估计运动,我的研究工作,回环检测方法:
使用层叠编码机(SDA)检测图像相似性XiangGao,TaoZhang,LoopClosureDetectionforVisualSLAMSystemsUsingDeepNeuralNetworks,CCC,2015XiangGao,TaoZhang,UnsupervisedLearningtoDetectLoopsUsingDeepNeuralNetworksforVisualSLAMSystem,AutonomousRobots,UnderReview.特点:
自动学习图像特征,计算相似性结论:
学习的特征能够有效地检测闭环,我的研究工作,回环检测,我的研究工作,语义场景理解方法:
使用条件随机场生成带标记的地图绿:
Ground青:
Structure紫:
Furniture蓝:
PropsProblem:
场景理解针对单张图片,而SLAM是运动过程,如何结合?
我的研究工作,其他科普性质工作,我的研究工作,未来的研究问题GPU加速SLAM动态场景运动分离技术主动SLAM:
SLAM+Exploration,谢谢大家!
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- SLAM 研究进展