做SLAM是纯视觉还是多传感器融合

单目视觉slam可以使用深度预测网络得到较准确地深度信息，克服单目尺度不确定和尺度漂移的问题，那还有必要结合别的传感器吗？
以目前的技术来说，是非常有必要的，一是因为深度预测网络的精度和泛用性仍然有很大的提升空间；二是因为传感器的融合更为简单和稳定。

引自：知乎
融合IMU那肯定是为了克服纯视觉SLAM的缺点，或者说是为了互补IMU的优势和纯视觉SLAM的优势。我们可以看看IMU能为纯视觉SLAM解决什么问题：
1）运动过快的场景下，相机会出现图像模糊，或者两帧图像之间的重叠区域太少甚至没有，造成无法基于两帧图像中相同点和不同点测算运动；这种情况下，IMU可以补充发挥作用，继续提供较可靠的(R,t)估算。
2）纯视觉难以处理动态场景，环境变化时，会无认为自己在运动；而IMU则能感受到自己运动, 避免运动误判。
3) 视觉在纹理丰富的场景中可正常工作，然而当遇到玻璃，白墙等特征稀少的场景时就无法正常工作。
4）另外视觉还受光线条件影响和限制。后两种情况下，IMU仍旧可以工作。另外，视觉+IMU的算法框架可以参考VINS和OKVIS
PS: IMU的价格真心便宜，为什么不利用它呢？

虽然人们一直尝试着只使用单目相机来完成整套SLAM系统，比如利用先验场景知识（物体的大小尺寸或相机安装高度），和结合深度预测网络，可是都有种种缺陷，目前唯有简单的IMU来结合单目是最为稳定和精度较高的方法。

单目视觉SLAM和其它传感器结合的意义相关推荐

一文读懂单目视觉SLAM分类方法~基于概率框架和非概率框架
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散联盟成员读书笔记带你深入理解单目SLAM SLAM最先由Smith Self 和 Cheeseman于1987年提出 ...
【阅读文献】单目视觉SLAM方法综述【1】~单目视觉SLAM分类方法
目录 1 单目视觉SLAM分类方法 1.1 基于概率框架的单目视觉SLAM 1.2 基于非概率框架的单目视觉SLAM方法 SLAM最先由Smith Self 和 Cheeseman于1987年提出,被 ...
【阅读文献】单目视觉SLAM方法综述【4】~特征点深度获取+地图尺度控制
2.3 特征点深度的获取单目摄像机相当于Bearing(方向) Only类传感器,不能立刻获得深度信息. 特征点深度获取方法主要有以下3种: 几何三角化.反深度(inverse depth).粒子滤 ...
单目视觉SLAM综述
摘要单目视觉SLAM因单目相机体积小.功耗低.信息获取丰富受到了广泛使用.为了深入分析单目视觉SLAM的优势,首先,简述单目视觉SLAM的基本原理,从特征点检测.相机姿态估计.选取关键帧.创建地图. ...
非滤波单目视觉SLAM系统
转自麒迹智能硬件创新平台摘要视觉SLAM过去15年的研究产生了大量可以使用的系统,广泛应用于机器人和增强现实应用中.滤波(卡尔曼滤波,粒子滤波)视觉SLAM更通用,非滤波(运动估计结构)方案更有效 ...
SLAM: 单目视觉SLAM的方案分类《机器人手册》
摘抄知乎上一段有趣的话: 如果你出门问别人『学习SLAM需要哪些基础?』之类的问题,一定会有很热心的大哥大姐过来摸摸你的头,肩或者腰(不重要),一脸神秘地从怀里拿出一本比馒头还厚的<Mu ...
一文带你读懂单目视觉SLAM数据关联优化
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散联盟成员读书笔记带你深入理解单目SLAM 数据关联的优化基于图像的特征检测与匹配不可避免地带有误差.如果直接使用图 ...
SLAM 03.多传感器融合算法
传感器标定是自动驾驶的基本需求,一个车上装了多个/多种传感器,而它们之间的时间和空间关系需要统一,传感器数据的标定主要为了定位的准确性. 1.传感器分类机器人有多种传感器,每种数据类型不一样,数据精 ...
最新导航综述！SLAM方法/数据集/传感器融合/路径规划与仿真多个主题
点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取点击进入→自动驾驶之心[SLAM]技术交流群后台回复[SLAM综述]获取视觉SLAM.激光SLAM.RGBD ...

单目视觉SLAM和其它传感器结合的意义

做SLAM是纯视觉还是多传感器融合

单目视觉SLAM和其它传感器结合的意义相关推荐

最新文章

热门文章