近年来,深度学习技术在移动机器人同时定位与建图(Simultaneous localization and mapping,SLAM)领域取得了显著进展,为解决传统视觉SLAM在动态环境下面临的挑战提供了新的思路.本文首先总结了传统视觉SLAM在预处理、视觉里程计以及闭...近年来,深度学习技术在移动机器人同时定位与建图(Simultaneous localization and mapping,SLAM)领域取得了显著进展,为解决传统视觉SLAM在动态环境下面临的挑战提供了新的思路.本文首先总结了传统视觉SLAM在预处理、视觉里程计以及闭环检测模块的局限性.随后,聚焦于深度学习在视觉SLAM中的应用,重点介绍了基于深度学习的预处理、视觉里程计和闭环检测模块,以及其如何提升视觉SLAM的鲁棒性和精度.最后,探讨了基于深度学习SLAM面临的挑战并展望了未来研究方向,包括轻量化网络设计、场景的长期建模以及自监督学习等,以推动深度学习SLAM在实际应用中的落地.展开更多
视觉导航作为移动机器人自主运行的核心技术支撑,其性能直接决定移动机器人的环境感知精度、定位建图可靠性与路径规划的合理性。文章系统综述移动机器人视觉导航的研究进展,围绕视觉传感器、同步定位与地图构建(Simultaneous Localizat...视觉导航作为移动机器人自主运行的核心技术支撑,其性能直接决定移动机器人的环境感知精度、定位建图可靠性与路径规划的合理性。文章系统综述移动机器人视觉导航的研究进展,围绕视觉传感器、同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)和路径规划三大核心环节展开分析:在视觉传感器层面,重点探讨单模态、多模态融合视觉传感器和新型视觉传感器的技术特性与适配场景;在SLAM层面,总结传统几何SLAM、多模态融合SLAM以及神经隐式SLAM的技术演进与性能优势;在路径规划层面,重点介绍传统算法与生物启发算法的特点与适用场景。最后,总结当前技术面临的挑战,并对未来研究方向进行展望,为视觉导航技术的进一步发展提供参考。展开更多
文摘近年来,深度学习技术在移动机器人同时定位与建图(Simultaneous localization and mapping,SLAM)领域取得了显著进展,为解决传统视觉SLAM在动态环境下面临的挑战提供了新的思路.本文首先总结了传统视觉SLAM在预处理、视觉里程计以及闭环检测模块的局限性.随后,聚焦于深度学习在视觉SLAM中的应用,重点介绍了基于深度学习的预处理、视觉里程计和闭环检测模块,以及其如何提升视觉SLAM的鲁棒性和精度.最后,探讨了基于深度学习SLAM面临的挑战并展望了未来研究方向,包括轻量化网络设计、场景的长期建模以及自监督学习等,以推动深度学习SLAM在实际应用中的落地.
文摘视觉导航作为移动机器人自主运行的核心技术支撑,其性能直接决定移动机器人的环境感知精度、定位建图可靠性与路径规划的合理性。文章系统综述移动机器人视觉导航的研究进展,围绕视觉传感器、同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)和路径规划三大核心环节展开分析:在视觉传感器层面,重点探讨单模态、多模态融合视觉传感器和新型视觉传感器的技术特性与适配场景;在SLAM层面,总结传统几何SLAM、多模态融合SLAM以及神经隐式SLAM的技术演进与性能优势;在路径规划层面,重点介绍传统算法与生物启发算法的特点与适用场景。最后,总结当前技术面临的挑战,并对未来研究方向进行展望,为视觉导航技术的进一步发展提供参考。
