各種彙總
orbslam簡單結合檢測
orbslam基礎上做得比較全的結合深度學習的slam
orbslam所有的改進
知乎上語義資訊與slam結合點
圖神經網路學習書籍
目標檢測結合rgbd稠密三維重建，主要用於重建動態物體
maskfusion: real-time recognition, tracking and reconstruction
of multiple moving objects
目標檢測結合rgbd用於回環檢測
fusion++: volumetric object-level slam
綜述中提到的結合高階語義特徵的slam如下
x-view: graph-based semantic multi-viewlocalization
這篇用的是語義分割＋
constructing category-specific models for monocular object-slam
context-coherent scenes of objects for camera pose estimation
這篇用的是目標檢測＋估計立方體的方法
卡耐基梅隆大學低維特徵結合高維特徵**
monocular object and plane slam in structured environments
slam深度學習前端
3.vidloc 6 dof video clip relocalization 回答 前段時間一直忙著畢業 以及找工作，囧。我的畢業 就是研究的deepvo，已經答辯過了，我實現的結果是 cnn vo 採用卷積神經網路 比現有基於cnn的方法好，比單目viso2好，但是不及雙目viso2 2.cn...
深度學習SLAM 綜述部分翻譯
我們提供了一種跟定位和建圖相關，現有的深度學習方法的新分類法，來聯絡機械人技術，計算機視覺和機器學習領域。大致可以按里程計估算，建圖，全域性定位和slam為類別進行分類，如圖2展示的分類方法所示。里程計估計涉及到兩幀或者更多幀感測器資料，以平移和旋轉的方式來計算相關位姿的變化。他不斷的跟蹤自我運動，...
深度學習與meanshift結合實現跟蹤
深度學習乙個重要的作用是實現目標的特徵實現自動提取過程，傳統的meanshift跟蹤常用的有顏色直方圖，hog等邊緣特徵提取目標實現跟蹤，則meanshift跟蹤可實現的則是用深度學習自動學習的特徵來完成跟蹤。好處是對於複雜的情況也能很好的提取目標的特徵，使得跟蹤的魯棒性和精度更高。很多人擔心的是實...