Surfel-based Mapping: SemanticFusion
摘要 使用視覺感知得到更魯棒，準確和細節的建圖已經被證明是移動機器人在許多應用中的促成因素。對於機器人智能和用戶交互的下一個階段，地圖需要從幾何和外觀上進行拓展——它們必須包含語義。McCormac等人通過組合CNNs和SOTA SLAM系統ElasticFusion，提供了室內RGB-D視頻序列間的長期稠密對應。這些對應允許多視角的CNN的語義預測通過概率融合到地圖中。這不僅提供了一個有效的語義
相關文章
- 1. 論文解析 - SemanticFusion: Dense 3D Semantic Mapping with Convolutional Neural Networks
- 2. elasticsearch mapping之一：引入mapping
- 3. elasticsearch5.0 mapping
- 4. elasticsearch mapping
- 5. DNS Mapping
- 6. Elasticsearch Mapping
- 7. Mapping File
- 8. Normal Mapping
- 9. SemanticFusion編譯及運行過程當中的一些問題
- 10. NHibernate3剖析：Mapping篇之Mapping概覽
- 更多相關文章...
- • Hibernate多對多映射關係 - Hibernate教程
- • Hibernate一對多映射關係 - Hibernate教程
- • YAML 入門教程
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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 論文解析 - SemanticFusion: Dense 3D Semantic Mapping with Convolutional Neural Networks
- 2. elasticsearch mapping之一：引入mapping
- 3. elasticsearch5.0 mapping
- 4. elasticsearch mapping
- 5. DNS Mapping
- 6. Elasticsearch Mapping
- 7. Mapping File
- 8. Normal Mapping
- 9. SemanticFusion編譯及運行過程當中的一些問題
- 10. NHibernate3剖析：Mapping篇之Mapping概覽