视觉slam方向的英文期刊有推荐的吗？

最新推荐文章于 2025-12-22 13:59:14 发布

原创最新推荐文章于 2025-12-22 13:59:14 发布 · 466 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

友友们，有没有slam方向推荐的英文期刊？审稿周期短且容易接受的2/3/4区的sci。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

刺猬的刺

关注关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

计算机视觉与深度学习 | SLAM国内外研究现状

尘世冰封的专栏

10-10

2470

随着计算机技术和电气电子技术的进步，机器人在制造业、医疗、教育、服务业等领域得到广泛应用。正如图1.1所示，机器人在汽车、电子、食品等制造业中得到广泛应用，可以完成物品装配、危险物的搬运与喷涂、精密焊接等工作，提高生产效率。同时减少人员受伤的风险，取代一些繁琐、重复、危险或需要高精度的工作，减少人力劳动，释放人力资源，提高产品质量。在医疗行业中，机器人可以用于手术、康复、护理、病房管理等方面，为患者提供更安全、精确和高效的医疗服务。在农业领域中，机器人可以用于作物种植、喷洒农药、采摘、运输等方面，提高农业生

第1章机器人SLAM定位入门最全知识体系及资料推荐入门

行知SLAM

05-14

5970

机器人SLAM知识体系:多而杂。

参与评论您还未登录，请先登录后发表或查看评论

1 条评论

韭菜炒鸡蛋1 2025.02.17
请问您找到了吗能分享一下吗

可以发表SLAM的会议和期刊有哪些（持续更新）

Turn life into a dream, and then turn dreams into reality

12-21

4606

SLAM（Simultaneous Localization and Mapping）领域的研究可以发表在多个高影响力的会议和期刊上。

sci期刊投稿指南计算机科学人工智能方向 145本sci期刊目录从一区到四区(2022年最新影响因子更新了)

热门推荐

宇宙最烦恼的博客

05-10

3万+

sci期刊投稿指南计算机科学人工智能方向 140本sci期刊目录从一区到四区总有一本适合你

视觉 SLAM 研究方向一般投哪些期刊？

3D视觉工坊

10-22

636

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达内容来自知乎，「3D视觉工坊」整理，如有侵权请联系删除 https://www.zhihu.com/question/452594838，作者：九歌之前整理了一些信息，可能不完整，仅供参考啦Robotics领域中有：International Journal of Robotics Research，Q1，IF=4.703IEEE Transc...

slam方向期刊和会议汇总

一抹烟霞的博客

01-09

6220

Journal 1区 Science Robitics [19.4] Soft Robotics [6.7] IEEE Transactions on Pattern Analysis and Machine Intelligence [11.8] 2区 International Journal of Robotics Research (IJRR) [5.1] IEEE Transa...

SLAM相关优秀的期刊及会议

weixin_45850350的博客

07-20

1202

The International Journal of Robotics ResearchIEEETransactions on RoboticsIEEE Robotics and Automation LettersIEEE Journal on Robotics and AutomationJournal of field roboticsIEEE International Conferenceon Robotics and Automation (ICRA)IEEE/RSJ Internation

slam论文的期刊和会议

qq_35102059的博客

02-11

3048

期刊: sci1区: Science Robitics [19.4] Soft Robotics [6.7] IEEE Transactions on Pattern Analysis and Machine Intelligence [11.8] sci2区: International Journal of Robotics Research (IJRR) [5.1] IEEE Transaction on Robotics (TRO) [4.9] Journal of Field Roboti

三维视觉、SLAM方向全球顶尖实验室汇总

计算机视觉life

07-03

2万+

SLAM国内外优秀研究机构欧洲英国伦敦大学帝国理工学院 Dyson 机器人实验室 http://www.imperial.ac.uk/dyson-robotics-lab 简介：伦敦帝国理工学院戴森机器人实验室成立于2014年，由Andrew Davison.教授领导。是戴森公司和帝国理工学院领导机器人视觉小组Andrew Davison教授的合作实验室，Andrew Davison是视觉S...

SLAM论文速递：SLAM—（2021）基于目标检测的动态环境下的视觉SLAM—5.05（1）

m0_61847109的博客

05-06

1656

我们提出了一种动态环境下的视觉SLAM方法，该方法将基于深度学习的目标检测技术与动态目标概率模型相结合，有效准确地区分场景的静态和动态区域。为了减少动态内容的影响，我们将基于深度学习的目标检测方法引入到视觉里程计中，然后加入动态目标概率模型，提高深度神经网络的目标检测效率，增强系统的实时性。移动概率传播是一种在视觉SLAM系统中处理动态环境的方法，它主要通过为特征点分配动态概率来区分静态和动态特征。初始化动态概率：在跟踪线程中，为每个检测到的特征点分配一个初始的动态概率，表示该特征点属于动态对象的可能性。

论SLAM技术发展趋势

soaring_casia的专栏

09-20

9089

2018年7月底，深蓝学院发起并承办了“第一届全国SLAM技术论坛”。浙江大学章国锋老师、香港科技大学沈劭劼老师、上海交通大学邹丹平老师、中科院自动化所申抒含老师在“圆桌论坛：SLAM技术发展趋势”上分享了SLAM技术的趋势，现将内容整理公布，希望更多SLAMer受益。章国锋：由于我的研究方向更偏向于视觉SLAM，所以我会从我的角度来讲一讲SLAM技术的发展趋势。首先，我认为无论是视觉...

SAM训练自己的数据集

最新发布

sunshineine的博客

12-22

469

本文介绍了SAM（Segment Anything Model）模型的训练流程。主要内容包括：1）数据集预处理，涵盖自定义数据集标注（使用labelme工具）、公开数据集准备以及数据格式转换；2）创建SAM项目，包含代码上传、服务器环境配置（Python 3.8、CUDA 11.8等）和依赖项安装；3）模型训练过程，详细说明了参数配置、损失函数选择（DiceCELoss）、训练循环实现以及结果可视化方法。文章提供了完整的技术实现路径，包括数据预处理、模型训练和结果评估等关键环节，并附有相关参考文章的详细链接

python __init__.py的意义与使用

CoolGirl

12-19

809

本文介绍了Python中利用__init__.py文件优化模块导入的两种方式。当__init__.py中已导入子模块时，外部可直接使用简洁导入语句（如from project.input import FileInput）；若未导入则需完整路径导入。通过示例对比展示了不良设计（需完整路径导入每个子模块）和良好设计（在__init__.py中集中导入并定义__all__），后者使主程序导入更简洁清晰。合理使用__init__.py能显著提升代码可读性和维护性。

MobaXterm 高效运维实战：从入门到进阶的 Linux 运维 “瑞士军刀” 用法

hy行者勇哥的博客

12-18

873

MobaXterm 作为 Linux 运维的 “全能工具包”，不仅集成了 SSH 终端、SFTP 文件传输、X11 图形转发等基础功能，更隐藏着批量执行、宏命令、会话分组等高级特性，能轻松解决新手常遇到的 “重复操作繁琐”“多服务器切换麻烦”“文件传输低效” 等痛点。本文用 “运维指挥中心” 的通俗比喻，拆解 MobaXterm 的核心架构，针对 Linux 运维中的高频问题，分享可直接上手的高级技巧与自动化脚本案例，帮助新手快速从 “手动跑腿” 升级为 “高效指挥”，大幅提升运维效率。

ColoredElevationMap 根据标量进行颜色映射

BoBoZz19的博客

12-22

102

本文只是教程内容的一小段，因博客字数限制，故进行拆分。本段代码主要涉及的有①标量的颜色映射。

C++23中的模块应用说明之一基础分析

fpcc的专栏

12-20

593

C++20模块机制解析：摆脱头文件困境的新范式本文分析了C++20引入的模块机制，旨在解决传统头文件带来的编译污染、命名冲突等问题。模块通过export显式控制接口导出，提供更安全的代码组织方式。文章详细介绍了模块应用的五个方面：接口与实现分离、export规则限制、文件命名规范、全局模块片段（兼容传统头文件）和私有模块片段的使用方法，并提供了具体示例代码。与Go、Java等语言的包管理机制类似，C++模块通过显式接口导出和严格作用域控制，实现了更高效的编译管理和更清晰的代码组织。作者建议开发者参考其他语

Python数据可视化速成指南

weixin_45292939的博客

12-22

225

极坐标：使用(角度, 半径)表示点plt.show()

【FastAPI】FastAPI依赖注入完全指南

weixin_63434398的博客

12-18

2969

本文全面介绍FastAPI的依赖注入机制，主要包含两大注入方式：原生自动注入和Depends自定义注入。原生注入支持Request/Response等框架对象以及路径/查询参数等自动解析，而Depends则用于自定义依赖项注入。文章详细讲解依赖注入的核心思想、实现方式、生命周期管理、高级技巧，并通过完整认证系统案例展示实战应用。最后剖析Depends底层原理，并与Spring框架进行对比，帮助开发者彻底掌握FastAPI这一核心特性，实现代码解耦和高效开发。

如果未来我物联网专升本成功了，考研的话，我可以向AI方向考研吗？

02-23

<think>好的，用户之前问过数学和物理基础薄弱的情况下如何学习电工电子和物联网，现在他问如果专升本成功，考研是否可以转向AI方向。我需要先理解他的背景和目标。用户可能担心自己的基础不够，尤其是数学和物理，之前给出的建议是实践为主，但现在转向AI可能需要更多理论。需要分析AI考研的要求，特别是数学和编程方面的要求，同时考虑如何弥补差距。用户可能希望通过物联网专升本后，进入更有前景的AI领域，但担心跨专业的难度。需要指出可能的路径，比如选择与物联网结合的AI方向，减少跨专业的跨度。需要强调数学的重要性，比如线性代数、概率统计，但也要给出可行的学习策略，比如针对性补强，结合项目应用数学知识。同时，编程能力也很重要，特别是Python和框架。还要考虑如何将物联网的经验转化为优势，比如在边缘计算、智能硬件等领域应用AI，这样能结合原有背景，增加竞争力。另外，需要推荐合适的目标院校和专业，建议选择交叉学科，或者有实践导向的项目，减轻理论压力。同时，提供资源推荐，比如在线课程、社区，帮助他自学。最后，鼓励用户，虽然挑战存在，但通过合理规划和实践，是可以实现目标的。提醒分阶段准备，先夯实基础，再逐步深入，保持项目实践来巩固学习效果。</think>当然可以！物联网与AI本身就有强关联（如边缘计算、智能硬件等），**从物联网转向AI考研是完全可行的**，但需要针对性补足关键能力。以下是结合你背景的可行性分析和备考策略： --- ### **一、物联网转AI的优势与挑战** #### **✅ 优势领域** 1. **硬件经验**：熟悉传感器、嵌入式开发，适合**边缘AI**（在设备端部署轻量级模型） 2. **数据获取**：物联网项目积累的**多模态数据**（温度/图像/运动等）是AI训练的基础 3. **行业结合**：智能家居、工业物联网等领域急需**“AI+硬件”复合型人才** #### **⚠️ 需补足短板** 1. **数学基础**：AI核心课程（如机器学习）需要线性代数、概率论 2. **编程能力**：Python熟练度、深度学习框架（PyTorch/TensorFlow）使用 3. **理论思维**：理解模型背后的数学逻辑（如梯度下降、卷积原理） --- ### **二、考研方向选择建议** #### **1. 优先选择“AI+物联网”交叉方向** 降低跨专业难度，例如： - **边缘智能**（模型压缩与设备端部署） - **传感器数据分析**（时序数据预测、异常检测） - **机器人SLAM**（结合物联网定位与AI路径规划） #### **2. 院校/专业推荐** - **学术型**： - 控制科学与工程（模式识别方向） - 计算机科学与技术（智能感知与嵌入式系统） - **专业型**： - 电子信息（人工智能专硕） - 新增的“智能科学与技术”专业 #### **3. 避开高门槛方向** 暂时慎选**纯理论AI方向**（如NLP理论研究、量子机器学习），这类方向对数学要求极高。 --- ### **三、数学补救策略（聚焦考研重点）** #### **1. 核心三件套** | 科目 | 必学内容 | 学习技巧 | |------------|------------------------------|------------------------------| | **线性代数** | 矩阵运算、特征值、奇异值分解 | 用Python的NumPy库实操计算 | | **概率论** | 条件概率、贝叶斯定理、分布 | 结合Kaggle数据分析案例理解 | | **高数** | 导数、梯度、最优化方法 | 用TensorFlow自动求导功能反推 | #### **2. 工具化学习法** - **用代码代替手算**： ```python # 例如计算线性回归的梯度下降 import numpy as np X = np.array([[1, 2], [3, 4]]) y = np.array([5, 6]) theta = np.linalg.inv(X.T @ X) @ X.T @ y # 直接求解析解 ``` - **可视化理解**：使用TensorFlow Playground（https://playground.tensorflow.org）直观观察神经网络训练过程。 --- ### **四、技能提升路径** #### **阶段1：专升本期间（1-2年）** - **主攻Python编程**： - 完成《Python Crash Course》基础部分 - 用MicroPython操控ESP32开发板（结合物联网硬件） - **项目积累**： - 用树莓派+摄像头做**人脸检测门禁系统**（调用OpenCV预训练模型） - 通过MQTT协议上传传感器数据到云端，用**Excel简单分析趋势** #### **阶段2：考研备考期（1年）** - **聚焦应试能力**： - **专业课**：重点复习《数据结构与算法》（50%）+《机器学习基础》（30%）+《计算机组成原理》（20%） - **数学**：使用《张宇考研数学》系列，重点做**历年真题分类训练** - **科研预热**： - 在GitHub复现1-2篇**边缘AI顶会论文**（如TinyML相关研究） #### **阶段3：读研前后** - **实验室选择**：优先加入有硬件资源的AI实验室（如FPGA加速、机器人视觉） - **实习方向**：AI芯片公司（寒武纪、地平线）或智能硬件大厂（小米、华为终端） --- ### **五、资源推荐（低成本高效版）** 1. **数学救急**： - 3Blue1Brown《线性代数的本质》（B站可看） - 李航《统计学习方法》第1-4章（配合B站“白板推导”系列） 2. **代码实践**： - Kaggle入门竞赛（如Titanic生存预测） - 百度AI Studio的免费GPU算力 3. **硬件结合AI**： - TensorFlow Lite官方教程（部署模型到Arduino） - Edge Impulse平台（无需编码训练嵌入式设备模型） --- ### **六、关键提醒** 1. **扬长避短策略**： - 在考研面试中，强调**物联网项目经验**如何帮助你理解数据价值 - 研究方向选择**模型部署优化**而非纯算法设计，降低数学竞争压力 2. **学历歧视应对**： - 用**竞赛奖项**弥补（如全国大学生物联网竞赛、ASC超算竞赛） - 发表**EI会议论文**（优先选择IEEE IoT Journal等交叉领域期刊） 3. **时间管理公式**： **每日4小时 = 2小时数学/专业课 + 1小时代码 + 1小时英语** （坚持6个月即可突破基础门槛） --- **只要做好路径规划，物联网背景反而会成为你的差异化优势！** 例如：同样是图像识别，你能实现其他纯软件背景同学做不到的**低功耗摄像头端实时检测**。后续具体到选校或学习卡点时，可以再详细讨论~