论文解析 - ElasticFusion: Dense SLAM Without A Pose Graph

最新推荐文章于 2024-10-10 07:02:01 发布
原创 最新推荐文章于 2024-10-10 07:02:01 发布 · 3.6k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

ElasticFusion是2015年的一篇论文，它在理解SemanticFusion中起关键作用，继承自KinectFusion。文章重点介绍了FUSED PREDICTED TRACKING，包括几何姿态估计和光度姿态估计，通过数据关联和联合优化实现相机姿态和场景模型的估计。采用Gauss-Newton法和金字塔结构进行优化。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

ElasticFusion: Dense SLAM Without A Pose Graph

 

该文章发布于2015年，RSS。

该文章也属于帝国理工Andrew Davison实验室的套餐之一，这篇文章是理解SemanticFusion的重要参考文章。

其实他们还有一个祖宗叫KinectFusion，有机会再看看。

 

核心梳理

III. FUSED PREDICTED TRACKING

  1. Geometric Pose Estimation- 几何姿态估计

是时间t这一帧深度图中第k个顶点在相机坐标系下的空间位置，和

最低0.47元/天 解锁文章

200万优质内容无限畅学
[论文笔记] ElasticFusion: Dense SLAM Without A Pose Graph
pikachu_777的专栏
03-14 1359
一、overview 提出了一种密集SLAM方法，使用RGBD数据，进行跟踪和建图。 主要贡献： surfel-based稠密建图。 将surfel分为激活区域和非激活区域，一段时间内未观测到的归入非激活区域。 每一帧，尝试把激活模型中当前相机估测位姿部分，登记至非激活模型在当前帧的部分，若登记成功，则检测到闭环，进行非刚体变换。发生闭环的非激活部分再次激活，放入登记的区域。（感觉意思是每一帧把...
文献阅读：ElasticFusion: Dense SLAM Without A Pose Graph
weixin_43844768的博客
11-14 722
ElasticFusion: Dense SLAM Without A Pose Graph摘要跟踪预测变形图(deformation graph)参数定义算法优化后端优化 摘要 用surfel1表达点面特征；不需要pose graph优化，或任何后端处理；稠密重建，frame-to-model跟踪；利用非刚体表面变形，精细化模型；局部model-to-model表面闭环优化；全局闭环优化。 跟踪...
ElasticFusion Dense SLAM Without A Pose Graph
02-10
ElasticFusion 是　kinnectfusion 的升级版，3D建模的必读文章
ElasticFusion: Dense SLAM Without A Pose Graph 论文笔记
phy12321的博客
11-03 1999
ElasticFusion: Dense SLAM Without A Pose Graph 2015 年，戴森实验室， 帝国理工Andrew Davison实验室 ，基于RGB-D 相关论文：Kinetcfusion,DynamicFusion 总结： 可能是刚接触SlAM的论文，感觉就是：God，好复杂的网络。。。 基于RGBD的稠密3D重建，使用了没有网格的surfel模型来表示（通常...
ElasticFusion: Dense SLAM Without A Pose Graph
Zlp19970106的博客
05-24 813
ElasticFusion: Dense SLAM Without A Pose Graph 一、主要贡献 surfel-based稠密建图。 将surfel分为激活区域和非激活区域，一段时间内未观测到的归入非激活区域。 每一帧，尝试把激活模型中当前相机估测位姿部分，登记至非激活模型在当前帧的部分，若登记成功，则检测到闭环，进行非刚体变换。发生闭环的非激活部分再次激活，放入登记的区域。（每一帧把同视角下的激活部分和未观测到的非激活部分匹配，来检测闭环）。 对于全局闭环，向随机encoding
ElasticFusion: Dense SLAM without A pose Graph
十年磨一剑
04-20 656
公式(2)中, vtkv_t^kvtk​是当前帧的坐标, vkv^kvk和nkn^knk是当前帧中点转到前一帧坐标系下的位置和向量 这里, T会将vtkv_t^kvtk​转到前一帧, 所以与kinectfusion中公式(16)不同, 这里的所有比较都在前一帧进行, 而不是在global坐标系下比较 ...
ElasticFusion解析资源
lucas1997的博客
07-13 633
泡泡机器人ElasticFusion讲解PPT： http://pan.baidu.com/s/1eSDuhZs ElasticFusion 解析 https://blog.youkuaiyun.com/fuxingyin/article/details/51433793 ElasticFusion 中的 Randomized Ferns 重定位/回环检测 论文和代码解析 https://blog.youkuaiyun.com/fuxingyin/article/details/51436430 ...
ElasticFusion论文解读
weixin_39326879的博客
06-11 1722
官方给出的链接一共有两篇论文： 1.ElasticFusion: Dense SLAM Without A Pose Graph 2.ElasticFusion: Real-Time Dense SLAM and Light Source Estimation ElasticFusion: Dense SLAM Without A Pose Graph 整体流程 1.输入深度图和RGB图，根据相机内参获取像素点对应的点云，进行采样，然后计算点云的法线； 2.因为3D重建是在实时采集的过程当中进行的，所以当前
elastic fusion补充
01-14
elasticfusion的补充说明，更容易理解文章里面的核心部分，值得下载
Elasticfusion 16.04
qiqzhang的博客
01-08 430
１．libfreenect的CMakelist.txt修改 # These defaults can be overriden by -DCMAKE_CXX_FLAGS="" set(CMAKE_CXX_FLAGS "${C_CXX_FLAGS_DEFAULT} ${CMAKE_CXX_FLAGS} -std=c++11") # C++ Configurations SET(CMAKE_CXX...
elastic fusion
01-14
视觉slam技术大牛最新论文，里面包含局部优化，全局闭环优化的部分
Elasticfusion
Jenny威V的博客
11-06 346
elasticfusion和kinect v2实时连接 github的issue和这个教程 https://github.com/mp3guy/Kintinuous/issues/5#issuecomment-215896353 https://blog.youkuaiyun.com/qq_34622997/article/details/85262344 cd libfreenect2 mkdir...
DenseFusion论文笔记
qq_36775458的博客
03-18 1195
DenseFusion论文笔记贡献 主页地址（代码视频）：https://sites.google.com/view/densefusion/ GIthub代码地址：https://github.com/j96w/DenseFusion 贡献 提出了一种从RGB-D图像中估计一组已知对象的6-D位姿的通用框架DenseFusion 整合了一个端到端迭代的位姿细化过程，进一步改进了位姿估计，同时实...
ElasticFusion论文小结
qq_41300404的博客
11-19 2392
ElasticFusion小结
论文阅读笔记《DenseFusion: 6D Object Pose Estimation by Iterative Dense Fusion》
深视
12-30 3414
核心思想   本文提出一种基于RGB-D图像预测目标物体位姿的方法（DenseFusion）。首先，利用一个语义分割网络得到目标物体的分割图像，分别用两个网络用于处理RGB图像和点云图（由深度图获得），将颜色特征和几何特征逐像素的拼接起来，并利用一个特征融合网络获得全局特征。然后将全局特征级联到每个像素的特征向量上，并利用位姿预测网络输出每个像素点对应的位姿估计结果和一个置信度值，最终选择置信度最大的像素点对应的位姿估计结果。本文在此基础上还提出了一种基于深度学习的迭代优化方法，能够在上一次位姿估计的基础上
ElasticFusion: 实时密集型视觉SLAM系统
gitblog_00112的博客
10-10 755
ElasticFusion: 实时密集型视觉SLAM系统 项目介绍 ElasticFusion是一款能够实时捕捉房间规模环境下全面且全局一致的密集型基于surfels地图的视觉SLAM（Simultaneous Localization And Mapping）系统。它利用RGB-D相机探索环境，并提供了强大的功能，如稠密建图和光源估计。该系统由Toby Whelan等人开发，并在IJRR'16和...
ElasticFusion: 用kinect-v2在Ubuntu16.04下跑Elasticfusion 编译运行过程实验记录
qq_34622997的博客
12-28 3272
ElasticFusion简介： 略 硬件配置: 笔记本 i7-7700, 显卡 英伟达 1050TI Ubuntu16.04 ,摄像头 kinect2 , cuda9.0 一、下载源码，安装基本依赖，编译跑通数据集 编译准备：下载官方给出的的依赖如下 sudo apt-get install -y cmake-qt-gui git build-essential libusb-1.0...
Elasticfusion 配置
shan19930117的博客
03-08 5242
电脑配置是：ubuntu14.04（64位）+GTX1070+CPU（i7）首先，在已装有SSD目标检测的条件下（此时cuda8.0等都已经装好了）进行的Elasticfusion的安装配置然后，按照官网https://github.com/mp3guy/Elasticfusion 1、安装OpenNI2如果在安装依赖库时找不到库，那么换源在进行。执行最后一步的时候failed，跳过，没所谓 s...
MASt3R-SLAM: Real-Time Dense SLAM with 3D Reconstruction Priors代码运行教程
最新发布
02-28
### 关于MASt3R-SLAM代码运行教程 #### 一、环境配置 为了成功运行MASt3R-SLAM，需确保计算机已安装必要的依赖库和工具链。推荐的操作系统为Ubuntu 20.04 LTS，并且需要预先设置好CUDA与cuDNN环境以便支持GPU加速运算[^1]。 ```bash sudo apt-get update && sudo apt-get install -y \ build-essential cmake git wget unzip libeigen3-dev \ python3-pip python3-opencv ros-noetic-desktop-full pip3 install --upgrade pip numpy matplotlib scikit-image opencv-python-headless torch torchvision torchaudio ``` #### 二、获取源码并编译项目 通过Git克隆官方仓库至本地目录下： ```bash git clone https://github.com/YourRepository/MASter_SLAM.git ~/MASter_SLAM cd ~/MASter_SLAM mkdir build && cd build cmake .. make -j$(nproc) ``` #### 三、准备数据集 下载适用于测试的数据集文件夹放置于指定路径内，通常位于`~/datasets/your_dataset_name`位置。对于不同类型的传感器输入（如RGB-D相机），可能还需要额外处理原始采集到的信息以适应框架需求[^2]。 #### 四、启动程序 进入构建后的可执行文件所在目录，根据具体应用场景选择合适的参数配置文件进行加载。下面给出了一种常见的命令行调用方式用于初始化节点和服务： ```bash roslaunch master_slam run.launch config:=path_to_your_config_file.yaml dataset_dir:=/home/user/datasets/ ``` 在此过程中，如果遇到任何错误提示，则应仔细阅读报错信息并参照文档中的常见问题解答部分寻求解决方案；也可以尝试查阅社区论坛或联系作者团队获得帮助和支持[^3]。 #### 五、查看结果可视化界面 一旦系统正常工作起来之后，在另一终端窗口中可以利用RViz或者其他图形化工具连接ROS话题来观察当前正在构建的地图以及机器人位姿估计情况。 ```bash rosrun rviz rviz -f /map_topic ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值