Dense Planar-Inertial SLAM with Structural Constraints論文解讀
摘要 本文中，我們提出了一個新的基於平面和IMU的稠密SLAM方法(DPI-SLAM)，IMU的預積分與稠密VO進行鬆耦合，與平面的觀測進行緊耦合。位姿，速度以及IMU偏置與平面特徵一起進行優化。使用的是iSAM2的優化方法。結合基於RGBD和IMU的里程計估計能夠在沒有充足平面的場景下進行位姿跟蹤。將IMU的狀態和平面的狀態在全局優化中的建模能夠降低漂移誤差，提升建圖性能。而且，相鄰平面的結構約
相關文章
- 1. ICRA2018 SLAM論文
- 2. 論文翻譯（下）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction
- 3. 論文翻譯（上）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction
- 4. [論文解讀]An Efficient Evolutionary Algorithm for Subset Selection with General Cost Constraints
- 5. 論文筆記-深度估計(7)-CNN-SLAM Real-time dense monocular SLAM with learned depth prediction
- 6. 論文解析 - SemanticFusion: Dense 3D Semantic Mapping with Convolutional Neural Networks
- 7. Action Recognition:iDT論文解讀(Improved Dense Trajectories)
- 8. 論文解讀Focal Loss for Dense Object Detection
- 9. [論文解讀] DSD -- Dense-Sparse-Dense Training for Neural Network
- 10. Dense Visual SLAM with Probabilistic Surfel Map(PSM)
- 更多相關文章...
- • C# 文本文件的讀寫 - C#教程
- • SQL 約束（Constraints） - SQL 教程
- • JDK13 GA發佈：5大特性解讀
- • Scala 中文亂碼解決
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. ICRA2018 SLAM論文
- 2. 論文翻譯（下）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction
- 3. 論文翻譯（上）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction
- 4. [論文解讀]An Efficient Evolutionary Algorithm for Subset Selection with General Cost Constraints
- 5. 論文筆記-深度估計(7)-CNN-SLAM Real-time dense monocular SLAM with learned depth prediction
- 6. 論文解析 - SemanticFusion: Dense 3D Semantic Mapping with Convolutional Neural Networks
- 7. Action Recognition:iDT論文解讀(Improved Dense Trajectories)
- 8. 論文解讀Focal Loss for Dense Object Detection
- 9. [論文解讀] DSD -- Dense-Sparse-Dense Training for Neural Network
- 10. Dense Visual SLAM with Probabilistic Surfel Map(PSM)