论文笔记_SLAM_综述十几篇_目录

喜欢ヅ旅行 2023-07-05 10:09 247阅读 0赞

目录

1 An Overview of SLAM

2 Visual simultaneous localization and mapping: a survey

3 Feature‑based visual simultaneous localization and mapping: a survey

4 An Overview of SLAM

5 Visual SLAM and Structure from Motion in Dynamic Environments: A Survey

6 Simultaneous Localization And Mapping: A Survey of Current Trends in Autonomous Driving

7 A Survey of Computer Vision Research for Automotive Systems

8 3D Reconstruction using a Sparse Laser Scanner and a Single Camera for Outdoor Autonomous vehicle

9 Visual SLAM for Driverless Cars: A Brief Survey

10 Visual Perception for Autonomous Driving

11 A Survey of Simultaneous Localization and Mapping

12 A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping

1 An Overview of SLAM

  • 出处： (CISC) 2018 Chinese Intelligent Systems Conference

  • 内容：

    • SLAM的两个分类简介（LiDAR~ 和 Visual~）
    • Positioning定位问题的解决方法发展
    • VO(Visual Odometry)的解决方法及发展

  • 讨论与启发

    • 发展趋势：Partical Filter方法有提升空间；LiDAR SLAM 算法方案相对成熟，问题是激光雷达太贵；
    • 基于特征点的VO方法：问题是太耗时；
    • 多传感器融合、用深度学习生成语言地图是趋势。

2 Visual simultaneous localization and mapping: a survey

  • 出处： Artif Intell Rev (2区)

  • 内容：

    • 不同传感器比较
    • Visual SLAM 现存问题
    • Visual SLAM 解决方案
    • 显著特征选择
    • 图像匹配与数据关联
    • 地图的表达
    • 测试数据库
    • 代表性论文

  • 讨论与启发

    • 发展趋势：小范围静态SLAM较成熟；动态、复杂、大场景SLAM是活跃区域；RGB-D SLAM 目前较新的研究方向；
    • 兴趣点：多传感器融合、RGB-D SLAM、地图表达、SfM相关方法；
    • 思考：SLAM能为自动驾驶做些什么？

3 Feature‑based visual simultaneous localization and mapping: a survey

  • 出处： SN Applied Sciences (新期刊)

  • 内容：

    • SLAM 常见的几个模块
    • 不同层次的feature（点->线面->对象）对SLAM常见问题的贡献

  • 讨论与启发

    • 发展趋势：语义在visual SLAM中被大量利用，通过整合特征之间的关系来理解场景还没完全探索，是本文讨论重点；
    • 自2012年深度学习突破以来，object detectors 在SLAM中得到了广泛的应用；
    • 目前chanllengs: 对环境普适性研究；通过神经网络进行 post-processing 可能对鲁棒性有较大改善。

4 An Overview of SLAM

  • 出处： SPIE 国际光学工程学会 Feng Yang, Northwestern Polytechnical University，Xi’an, China

  • 内容：

    • ORB-SLAM
    • RGB-D SLAM
    • 多传感器融合
    • 深度学习SLAM上应用
    • 动态的场景的探索
    • 参考文献

  • 讨论与启发

    • 深度学习在特征表示、特征匹配、相机速度方向估计有一定的贡献；
    • RGB-D SLAM问题：测量距离短，大型户外不适用；
    • Lidar SLAM精度高，技术成熟，可以作为工具试试；
    • 语义SALM正逐渐被重视。

5 Visual SLAM and Structure from Motion in Dynamic Environments: A Survey

  • 出处： ACM Computing Surveys (2区)

  • 内容：

    • 将动态环境下的SLAM问题进行系统的划分
    • 鲁棒的 Visual SLAM (运动目标分割; 定位与3D重建)
    • 动态物体分割和3D跟踪
    • 联合运动分割和重建
    • 逻辑性较强的比较了各种经典方法的优缺点
    • 经典论文，知名期刊

  • 讨论与启发

    • 兴趣场景：自动驾驶，问题导向;
    • 实现全流程的动态环境中的SLAM需要多个研究方向的努力;
    • 本文对问题的划分有指导意义;
    • PTAM与ORB-SLAM是较流行有效的方法;
    • 深度学习目前主要用于学习相机姿态估计还没应用于学习3D重建;
    • Particle Filter是唯一能实时，进行动态物体(少量)跟踪和三维重建的技术，值得关注;
    • 实时性是首要解决的问题;
    • “深度学习方法仍处于起步阶段”.

6 Simultaneous Localization And Mapping: A Survey of Current Trends in Autonomous Driving

  • 出处： IEEE Transactions on Intelligent Vehicles (目前未进SCI)

  • 内容：

    • 自动驾驶背景下的讨论
    • 不同的SLAM技术方案
    • Relocalization and loop closure
    • 单车SLAM和多车SLAM
    • 经典论文-已分类

  • 讨论与启发

    • 兴趣场景：自动驾驶，问题导向;
    • 实现全流程的动态环境中的SLAM需要多个研究方向的努力;
    • 本文对问题的划分有指导意义;
    • PTAM与ORB-SLAM是较流行有效的方法;
    • 深度学习目前主要用于学习相机姿态估计还没应用于学习3D重建;
    • Particle Filter是唯一能实时，进行动态物体(少量)跟踪和三维重建的技术，值得关注;
    • 实时性是首要解决的问题;
    • “深度学习方法仍处于起步阶段”.

7 A Survey of Computer Vision Research for Automotive Systems

  • 出处：University of North Carolina at Chapel Hill

  • 内容：

    • KITTI vision benchmark suite 介绍

    • CV在自动驾驶中研究任务：

      • Stereo matching
      • VO
      • 3D对象检测
    • 实时性：软/硬件层次
    • 深度卷积神经网络发挥的作用：目标识别，检测，分割

  • 讨论与启发

    • 目标检测，识别，分割目前主要使用深度学习的方法；
    • KITTI数据集可为一个数据和对比的重要标准；
    • 立体匹配，视觉测量技术是目前评估相机运动，和获取场景深度的主要手段。

8 3D Reconstruction using a Sparse Laser Scanner and a Single Camera for Outdoor Autonomous vehicle

  • 出处：IEEE 19th International Conference on Intelligent Transportation Systems (ITSC)(中科院自动化所主办)

  • 内容：

    • 使用稀疏的激光扫描器+图像，建立出稠密深度地图
    • 自动驾驶汽车上，在宽阔的户外环境。
    • 实时性：软/硬件层次
    • 深度卷积神经网络发挥的作用：目标识别，检测，分割

  • 讨论与启发

    • 激光雷达和相机结合，可以创建稠密深度地图；
    • JO:深度地图如何发挥作用，值得思考；

    • 文中用的激光雷达Velodyne，成本没降低。

      • 使用廉价LiDAR，是否可同样效果。

9 Visual SLAM for Driverless Cars: A Brief Survey

  • 出处：Proceedings of the 2012 IEEE Intelligent Vehicles Symposium Workshops

  • 内容：

    • 自动驾驶任务分类
    • 地图表示形式
    • 提出VSLAM-DC系统性结构
    • 相机/特征选择
    • 相机pose估计/约束图模型
    • 闭环检测详述/优化方法
    • VSLAM可用资源

  • 讨论与启发

    • vSLAM中地图构建方式对HAD有参考价值；其局部运动规划和避障对自动驾驶很有意义；
    • 地图怎样构建应结合其如何应用；

10 Visual Perception for Autonomous Driving

  • 出处：博士论文，Freie Universität Berlin (柏林自由大学)

  • 内容：

    • 自动驾驶场景下相机外参自标定
    • 立体相机障碍物检测
    • 红绿灯自动识别视觉
    • 自我运动估计

  • 讨论与启发

    • 使用立体相机在分离障碍物评估自我运动上，要比单相机好，但其深度测量值的精度，会随距离增加而下降；
    • 相机的深度测量对比激光噪声大，但目标边界更鲁棒，基于图像的障碍物跟踪，比三维跟踪(3D tracking)更稳定；
    • 知识域：光流/视差图/对极几何

11 A Survey of Simultaneous Localization and Mapping

  • 出处：Huang B, Zhao J, Liu J. A Survey of Simultaneous Localization and Mapping[J]. arXiv preprint arXiv:1909.05214, 2019.

  • 内容：

    • 激光雷达SLAM系统（Lidar SLAM System）

      • 2D SLAM
      • 3D SLAM

    • 视觉SLAM系统（Visual SLAM System）

      • 稀疏视觉SLAM
      • 半稠密视觉SLAM
      • 稠密视觉SLAM
      • 视觉惯性里程计SLAM
      • 深度学习与视觉SLAM
      • 挑战与未来

    • 雷达和视觉SLAM系统

      • 多传感器校准
      • 雷达与视觉融合

12 A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping

  • 出处: Debeunne C, Vivet D. A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping[J]. Sensors, 2020, 20(7): 2068.

  • 内容

    • V-SLAM

    • LiDAR Based SLAM

      • 扫描匹配和图优化
      • 占用图和粒子过滤器
      • 回环检测提纯(Refinement)步骤

    • LiDAR-Camera Fusion

      • 强制校准步骤

      • Visual-LiDAR SLAM

        • EKF混合SLAM
        • 改进Visual SLAM
        • 改进LiDAR SLAM
        • 并发LiDAR-Visual SLAM

=============================================================

  • 注释 :

    • 老的观点，老的数据，老的方法，老的成果
    • 新的观点，新的数据，新的方法，新的成果
    • 新理论或新模型，新设备的应用， 新应用

发表评论

表情：
评论列表 （有 0 条评论，247人围观）

还没有评论，来说两句吧...

相关阅读

    相关 深度学习SLAM 综述部分翻译

    我们提供了一种跟定位和建图相关，现有的深度学习方法的新分类法，来联系机器人技术，计算机视觉和机器学习领域。大致可以按里程计估算，建图，全局定位和SLAM为类别进行分类，如图2展

    怼烎@怼烎@/ 0 赞/ 311 阅读