2. 程式人生 > 實用技巧 >irca slam與深度學習結合論文總結

irca slam與深度學習結合論文總結

阿新 • • 發佈：2021-01-14

1 UnDeepVO: Monocular Visual Odometry through Unsupervised Deep Learning

文件存放名稱：1-UnDeepVO
Abstract總結：本文提出一個新的VO系統，可以實現單目影象的6個自由度的姿態估計，主要亮點：（1）採用無監督的深度學習架構 (2) 可以恢復出絕對的尺度。

疑問：1 如何使用深度學習來構建VO系統，如何訓練，最後的預測結果（6維姿態估計，深度）如何得到？

主要架構:
在這裡插入圖片描述
Introduction總結：
基於模型或者幾何的VO分為特徵法和直接法，取得不錯的效果，但是有一些缺點：對相機引數敏感、對複雜環境難以勝任（弱紋理、運動模糊、光照複雜）。資料驅動的VO或者基於深度學習的VO由於魯棒性好具有很大的潛力，如最開始將深度學習應用在重定位，使用rgb影象作為輸入用CNN做6個自由度的姿態估計，給定光流使用基於CNN的端到端VO系統，基於RCNN的VO方法取得和基於模型的方法接近的效能，DeMoN可以同時估計相機運動和影象深度、表面法向量和光流，還有基於深度學習的VIO。

但是上面的方法存在一個問題就是需要相機位姿的真值和深度影象來進行訓練。這個問題可以使用無監督的深度學習VO來解決。無監督深度學習的VO主要用於深度估計，後面有人用左右雙目的光度差損失函式進一步提升了深度估計的效能，進而有人使用單目來估計自身運動和深度但是不能恢復尺度。
UnDeepVO主要貢獻：（1）利用時空關係提出一種無監督學習的單目VO系統（2）估計位姿和影象深度的同時可以恢復尺度（3）系統在KITTI上表現不錯

系統概述

相關推薦

irca slam與深度學習結合論文總結

1 UnDeepVO: Monocular Visual Odometry through Unsupervised Deep Learning 文件存放名稱：1-UnDeepVO Abstract總結：本文提出一個新的VO系統，可以實現單目影象的6個自由度的姿態估計，主要亮點：（1）採

綜述|視覺與慣導，視覺與深度學習SLAM

點選上方“3D視覺工坊”，選擇“星標” 乾貨第一時間送達 SLAM包含了兩個主要的任務：定位與構圖，在移動機器人或者自動駕駛中，這是一個十分重要的問題：機器人要精確的移動，就必須要有一個環境的地圖，

數字影象處理day_8 神經網路與深度學習介紹

一. 從人工智慧開始 通過複製一個人腦來實現人工智慧在目前階段是不切實際的，人工智慧是電腦科學的一個分支，主要研究、開發用於模擬、延伸和擴充套件人類智慧的理論、方法、技術及應用系統

邱錫鵬 神經網路與深度學習課程【十三】——無監督學習和概率圖模型1

無監督學習 定義：只從無標籤的資料中學習出一些有用的模式 典型的無監督學習：深度學習中只考慮前兩個問題即可

邱錫鵬 神經網路與深度學習課程【十五】——概率圖模型2和3

學習： 引數學習：給定一組訓練樣本，求解模型引數 進行引數估計 有向圖： 在貝葉斯網路中，所有變數x的聯合概率分佈可以分解為每個隨機變數x_k的區域性條件概率的連乘形式

邱錫鵬 神經網路與深度學習課程【十六】——深度信念網路

玻爾茲曼機：是一種特殊的概率無向圖模型 如何推斷？ 因為分配函式Z通常都比較難以計算所以採用Gibbs取樣

白嫖! 2020最新版《神經網路與深度學習》中文版更新完畢，PDF免費開放下載~

介紹 《神經⽹絡和深度學習》是⼀本免費的線上書，對讀者數學知識需求適度，兼顧理論和動手實踐。

NLP與深度學習（二）迴圈神經網路

1. 迴圈神經網路 在介紹迴圈神經網路之前，我們先考慮一個大家閱讀文章的場景。一般在閱讀一個句子時，我們是一個字或是一個詞的閱讀，而在閱讀的同時，我們能夠記住前幾個詞或是前幾句的內容。這樣我們便能理解整個

機器學習與深度學習

典型的機器學習一般思路：預處理、特徵提取、特徵選擇、推理預測或者識別。深度學習能夠儘可能地使用演算法解決預處理、特徵提取、特徵選擇。

NLP與深度學習（六）BERT模型的使用

1. 預訓練的BERT模型 從頭開始訓練一個BERT模型是一個成本非常高的工作，所以現在一般是直接去下載已經預訓練好的BERT模型。結合遷移學習，實現所要完成的NLP任務。谷歌在github上已經開放了預訓練好的不同大小的BE

神經網路與深度學習[邱錫鵬] 第六章習題解析

6-1 三者都是典型的神經網路模型。 卷積神經網路是對前饋神經網路增加捲積層和池化層。

《神經網路與深度學習》第四章 前饋神經網路

第四章 前饋神經網路 人工神經網路（ANN）：指一系列受生物學和神經科學啟發的數學模型。簡稱為神經網路（NN）or神經模型。

深度學習面試知識點總結

一.前向神經網路 深度前饋網路（Deep Feedforward Networks） 是一種典型的深度學習模型。 其目標為擬合某個函式f， 即定義對映y=f (x;θ)將輸入x轉化為某種預測的輸出y， 並同時學習網路引數θ的值， 使模型得到最優

深度學習--結合程式碼講解如何簡單訓練一個神經網路

文章目錄 前言 一、神經網路的構造與訓練 1.構建網路 2.編譯網路 3.訓練網路 二、舉個栗子：

基於資訊檢索和深度學習結合的單元測試用例斷言自動生成

摘要：本章節介紹基於IR的方法（包括基礎的資訊檢索技術IRar以及自動適配技術RAadapt）和結合的方法。

[2022-12-06]神經網路與深度學習hw11 - 各種優化演算法比較

Override the entrypoint of an image Introduced in GitLab and GitLab Runner 9.4. Read more about the extended configuration options.

SRCNN論文與應用簡介：基於深度學習的影象超解析度方法

版權宣告： 未經同意，禁止轉載。（更新時間：2020-10-08） | 個人筆記，僅供參考。

深度學習中的 Attention 機制總結與程式碼實現（2017-2021年）

作者丨mayiwei1998來源丨GiantPandaCV轉載自丨極市平臺 導讀 由於許多論文中的網路結構通常被嵌入到程式碼框架中，導致程式碼比較冗餘。本文作者對近幾年基於Attention網路的核心程式碼進行了整理和復現。

深度學習論文翻譯解析（八）：Rich feature hierarchies for accurate object detection and semantic segmentation

論文標題：Rich feature hierarchies for accurate object detection and semantic segmentation 　　標題翻譯：豐富的特徵層次結構，可實現準確的目標檢測和語義分割

深度學習論文翻譯解析（九）：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

論文標題：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition　　 　　　　標題翻譯：用於視覺識別的深度卷積神經網路中的空間金字塔池