计算机视觉life

​以下内容来自从零开始机器人SLAM知识星球 每日更新内容点击领取学习资料 → 机器人SLAM学习资料大礼包#论文# BoW3D: Bag of Words for Real-time Loop Closing in 3D LiDAR SLAM论文地址：https://arxiv.org/abs/2208.07473![]()作者单位：中国沈阳自动化研究所 回环检测是自主移动系统的同时定位与建图的基本部分。在视觉 AMR 领域，词袋 (BoW) 在循环闭包方面取得了巨大成功。用于回环检测的 Bo

随着近几年机器人、自动驾驶、AR等技术的飞速发展，三维重建这个学术名词也逐渐出现在大众的视野中。那究竟什么是三维重建呢？简单来说，三维重建是指用相机等传感器拍摄真实世界的物体、场景，并通过计算机视觉技术进行处理，从而得到物体的三维模型。如下所示。涉及的主要技术有：多视图立体几何、深度图估计、点云处理、网格重建和优化、纹理贴图、马尔科夫随机场、图割等。讲师硕士毕业于C9高校知名图形图像实验室，目前就职于头部图形图像公司，有7年三维重建、图形图像项目经验。...

随着近几年机器人、自动驾驶、AR等技术的飞速发展，三维重建这个学术名词也逐渐出现在大众的视野中。那究竟什么是三维重建呢？简单来说，三维重建是指用相机等传感器拍摄真实世界的物体、场景，并通过计算机视觉技术进行处理，从而得到物体的三维模型。如下所示。涉及的主要技术有多视图立体几何、深度图估计、点云处理、网格重建和优化、纹理贴图、马尔科夫随机场、图割等。讲师硕士毕业于C9高校知名图形图像实验室，目前就职于头部图形图像公司，有7年三维重建、图形图像项目经验。...

3D人脸重建历经多年发展，不同的重建方案层出不穷，然而对于不同方法重建结果的定量评价却存在明显的问题和缺陷，即客观指标与人的主观感受难以相符。回顾先前的3D人脸重建评价方案，基于3D顶点的评价流程通常借助关键点进行scale和pose的预对齐，并通过IterativeClosestPoint(ICP)算法进行微调使得predictedmesh和ground-truthscan对齐，再通过两者的最近邻点建立顶点的对应关系，并计算这组对应关系的NMSE/RMSE作为指标。...

最近看了一个关于国内AI的报告《中国新一代人工智能科技产业区域竞争力评价指数（2021）》，里面有一些有意思的趋势，给大家分享一下。评价方法和数据来源 首先说下评价指标，报告中的AI产业区域竞争力评价指标挺全面，包括 6 项一级指标、10 项二级指标，从数量和质量两个维度设立的24 项三级指标从图中看，覆盖了企业、学术、资本等多个维度，能考虑到的主要因素都在内了。那样本数据有多少呢？总共涉及2205 家人工智能企业、 3741 个投资者/机构

今天给大家介绍一个最新的开源工作：AutoPlace，主要用于车载单片毫米波雷达场景识别。该工作由爱丁堡大学MAPS Lab的卢晓轩团队（Kaiwen Cai， Bing Wang,  Chris Xiaoxuan Lu）完成，开源了代码和数据集，

SLAM知识星球里经常有小伙伴问我，学习了SLAM开源代码后，如何进行导航。星球里我是这样回复的：这里解释下运动规划和SLAM什么关系？其实在企业里，SLAM算法工程师、运动规划工程师通常是相对独立的岗位，SLAM技术通常可以得到稀疏的定位地图，结合后处理可以得到稠密的三维点云地图。此时我们需要用一定的规则将其转化为栅格化地图，机器人在这个地图的基础上进行运动规划（导航）。SLAM和运动规划是自主机器人的两个核心技术。

前言 SLAM知识星球里经常有小伙伴问我，学习了SLAM开源代码后，如何进行导航。星球里我是这样回复的：这里解释下运动规划和SLAM什么关系？其实在企业里，SLAM算法工程师、运动规划工程师通常是相对独立的岗位，SLAM技术通常可以得到稀疏的定位地图，结合后处理可以得到稠密的三维点云地图。此时我们需要用一定的规则将其转化为栅格化地图，机器人在这个地图的基础上进行运动规划（导航）。SLAM和运动规划是自主机器人的两个核心技术。什么是导航与运动规划？

谷歌开源的激光SLAM算法Cartographer为什么这么牛X？

经常有粉丝问视觉/激光/SLAM、三维重建等方向的学习路线，这里我再总结给大家，如下所示：随着最近几年智能机器人、自动驾驶、AR/MR等领域的快速发展，企业对3D视觉算法及SLAM算法需求越来越强烈，该领域迎来了爆发式发展。按照应用不同我们把3D视觉及SLAM算法分为如下方向：视觉深度估计视觉（惯性）SLAM激光/多传感器融合SLAM几何/深度学习三维重建视觉传感器标定下面分别介绍（本文较长，建议收藏）

详解深度学习三维重建网络：MVSNet、PatchMatchNet、JDACS-MS

计算机视觉life旗下“从零开始学习SLAM”知识星球创办于2018年，旨在建立SLAM、三维视觉领域的开发者学习、交流社区。运行三年多已经累计分享干货5300次、答疑/评论9550+次，汇集了行业内3000+优秀的从业者，如今已是全国最大的SLAM开发者学习交流社区。

点击上方“计算机视觉life”，选择“星标”快速获得最新干货1. 摘要最近，伦敦大学学院开源了面向对象的SLAM系统DSP-SLAM，它为前景对象构建了一个丰富而精确的稠密3D模型的联合地图，并用稀疏的地标点来表示背景。可以在3种不同的输入模式下以每秒10帧的速度工作：单目、双目或双目+激光雷达。与最近基于深度先验的重建方法相比，物体姿态和形状重建有了改进，并减少了KITTI数据集上的相机跟踪漂移。项目网站：https://jingwenwang95.github.io/dsp-slam/代码：https:

德国波恩大学StachnissLab最新工作，基于自监督学习的未来三维点云预测，被CoRL2021录用。论文及代码都已开源！

即将开源！基于动态不变性感知的多模态视觉位置识别

点击上方“计算机视觉life”，选择“星标”快速获得最新干货作者介绍：Zach，移动机器人从业者，热爱移动机器人行业，立志于科技助力美好生活。他也是我们课程学员：基于LiDAR的多传感器融合SLAM：LOAM、LeGO-LOAM、LIO-SAMLeGO-LOAM的软件框架分为五个部分：分割聚类：这部分主要操作是分离出地面点云；同时，对剩下的点云进行聚类，剔除噪声(数量较少的点云簇，被标记为噪声)；特征提取：对分割后的点云(排除地面点云部分)进行边缘点和面点特征提取；Lidar里程计：在连续帧之间(边缘点和面

点击上方“计算机视觉life”，选择“星标”快速获得最新干货作者介绍：Zach，移动机器人从业者，热爱移动机器人行业，立志于科技助力美好生活。也是我们课程学员：基于LiDAR的多传感器融合SLAM：LOAM、LeGO-LOAM、LIO-SAMLeGO-LOAM框架设计思路的第一步就是提取并分离地面。本篇文章就来详细说明LeGO-LOAM是如何来进行地面提取的。地面提取的思路 如上图所示，相连的两条扫描线打在地面同一列的两点A()和B()。计算A，B两点高度差 ，平面距离 ，计算 和 构建的三角角度；如果

点击上方“计算机视觉life”，选择“星标”快速获得最新干货昨晚知识星球定期（每月6/16/26日）组织的内部私密直播：《SLAM方向顶会论文写作及发表经验分享》，引起SLAM小伙伴们墙裂的共鸣。嘉宾分享了他从机械跨专业学习SLAM一年，在没有导师和师兄师姐指导的情况下，一个人奋斗最终成功中一篇IROS 2021顶会的经验。简直一路开挂，从青铜到王者，这里小小的透露下，嘉宾自爆过了半年多朝九晚十二的枯燥生活。。。星球成员在直播间关于SLAM学习、论文写作、投稿等讨论的非常热烈。以下是嘉宾分享的PPT内容上述

点击上方“计算机视觉life”，选择“星标”快速获得最新干货大家好，趁着国庆节公司七日游，我给大家聊聊我最近大半年在做的一件重要的事情：SLAM和三维视觉在线教育。1、为什么做在线教育？很多人不知道，我是工作之后才开始学习的SLAM，早先那会网上相关的资料还非常少，也没有像我们「从零开始学习SLAM」知识星球这样的交流社区，能够拿来入门的只有高翔博士的《视觉SLAM十四讲》，这本书对学习视觉SLAM的基础非常有用。后来项目中用到SLAM代码，需要实操的时候，发现：“卧槽，这代码怎么看不懂！”“C++还可以这

点击上方“计算机视觉life”，选择“星标”快速获得最新干货首先祝大家国庆节快乐！今天和大家聊一个有趣的话题：SLAM是否会被深度学习取代。据说卡内基梅隆大学机器人研究所的计算机视觉课程，分成了两部分，一个是基于学习的方法，一个是基于几何的方法。作为一个SLAMer，深深的感受到最近几年SLAM的快速发展，以前很多人说起计算机视觉，基本就和深度学习视觉算法划上了等号，如今SLAM也有自己的一席之地了。几何方法和学习方法，已经成为现代计算机视觉的两根支柱。不过在学术界，最近几年，顶会上SLAM和深度学习结合的

点击上方“计算机视觉life”，选择“星标”快速获得最新干货 01 SLAM星球漫游指南「从零开始学习SLAM」知识星球是全国最棒的SLAM/三维视觉交流社区，包括小白入门图文/视频教程、学习过程疑难点解答、最新论文/开源代码/数据集分享、在线学习小组、笔试面试题、实习/校招/社招岗位推荐、星主私密直播等。具体看下方【星球漫游指南】

点击上方“计算机视觉life”，选择“星标”快速获得最新干货ORB-SLAM3在室内外的表现hi，可以先介绍下ORB-SLAM3吗？ 好的呀！ORB-SLAM3是在ORB-SLAM2的基础上开发的，于2020年7月发布。它在定位精度和效果上几乎碾压了同类的开源算法，受到极大关注。从论文中我们先领略一下该算法的特点：1、 第一个可以运行视觉、视觉惯性和多地图，支持单目、双目和RGB-D相机，且支持针孔和鱼眼镜头模型的SLAM系统。2、该算法可以在不同大小，室内和室外环境中鲁棒、实时的运行，精度上相比于以前的方

点击上方“计算机视觉life”，选择“星标”快速获得最新干货大家好，我是计算机视觉life背后的男人 --- 小六。我们平台有很多粉丝都是SLAM和三维视觉方向的从业者，基于我们的SLAM知识星球和SLAM/三维重建课程，我这边可以接触和认识一大批一线的从业者。今天给大家扒一扒该方向的用户画像，文末有送独家SLAM定制T恤哦。高学历先上数据，下图是我们知识星球部分登记用户的（在读或毕业）学校（有你的校友吗？），可以发现SLAM和三维视觉方向从业者大部分都是硕士及以上学历。这个也不难理解，毕竟本科没有相关的课

点击上方“计算机视觉life”，选择“星标”快速获得最新干货大家好，计算机视觉life经过几个月打磨，推出了激光SLAM逐行源码解析课程《Cartographer从入门到精通: 原理深剖+源码逐行详解》，已经购买过我们的课程学员及知识星球用户均有优惠券（见文末），欢迎抢购！讲师亲自对Cartographer做了超详细源码注释，是目前唯一一个逐行讲解Cartographer的课程，彻底搞透代码。代码地址（持续更新）： https://github.com/xiangli0608/cartograph

点击上方“计算机视觉life”，选择“星标”快速获得最新干货注：本文来自计算机视觉life独家课程 视觉三维重建：原理剖析+逐行代码详解 中的课件及注释代码。立体匹配算法介绍全局立体匹配算法全局立体匹配算法主要是采用了全局的优化理论方法估计视差，建立全局能量函数，通过最小化全局能量函数得到最优视差值；通过二维相邻像素视差之间的约束（如平滑性约束）而得到更好的匹配效果，但是对内存的占用量大，速度慢不适合实时运行。主要的算法有图割（graph cuts）、信念传播（belief propag

点击上方“计算机视觉life”，选择“星标”快速获得最新干货本文系ORB-SLAM2原理+代码实战系列原创文章，对应的视频课程见：ORB-SLAM2总共60讲已经全部上线可观看！大家好，今天我们继续更新ORB-SLAM2/3系列的原创文章，以小白和师兄对话的形式阐述背景原理+代码解析，喜欢的点个赞分享，支持的人越多，更新越有动力！如有错误欢迎留言指正！代码注释地址：https://github.com/electech6/ORB_SLAM2_detailed_commentsVSLAM系列原创01讲 | 深

本文系ORB-SLAM2原理+代码实战系列原创文章，对应的视频课程见：如何真正搞透视觉SLAM？大家好，从今天开始我们陆续更新ORB-SLAM2/3系列的原创文章，以小白和师兄对话的形式阐述背景原理+代码解析，喜欢的点个赞分享，支持的人越多，更新越有动力！如有错误欢迎留言指正！代码注释地址：https://github.com/electech6/ORB_SLAM2_detailed_commentsVSLAM系列原创01讲 | 深入理解ORB关键点提取：原理+代码VSLAM系列.

本文系ORB-SLAM2原理+代码实战系列原创文章，对应的视频课程见：如何真正搞透视觉SLAM？大家好，从今天开始我们陆续更新ORB-SLAM2/3系列的原创文章，以小白和师兄对话的形式阐述背景原理+代码解析，喜欢的点个赞分享，支持的人越多，更新越有动力！如有错误欢迎留言指正！代码注释地址：https://github.com/electech6/ORB_SLAM2_detailed_commentsVSLAM系列原创01讲 | 深入理解ORB关键点提取：原理+代码VSLAM系列.

本文系ORB-SLAM2原理+代码实战系列原创文章，对应的视频课程见：如何真正搞透视觉SLAM？大家好，从今天开始我们陆续更新ORB-SLAM2/3系列的原创文章，以小白和师兄对话的形式阐述背景原理+代码解析，喜欢的点个赞分享，支持的人越多，更新越有动力！如有错误欢迎留言指正！代码注释地址：https://github.com/electech6/ORB_SLAM2_detailed_commentsVSLAM系列原创01讲 | 深入理解ORB关键点提取：原理+代码接上回继..

原文链接CMake是个非常好用的跨平台自动化构建工具，程序猿（程序媛）们或多或少都接触过，有人这么评价CMake： CMake 不再使你在构建项目时郁闷地接近崩溃了 Write once, run everywhere 一个用了就停不下来的自动化构建工具 什么是CMake？CMake 是"Cross platform MAke"的缩写。 一个开源的跨平台自动化建构系统，用来管理程序构建，不相依于特定编译器 需要编写CMakeLists.txt 文件来定.

原文见：VSLAM系列原创01讲 | 深入理解ORB关键点提取：原理+代码

大家好，计算机视觉life公众号推出的视频课程《全网最详细的ORB-SLAM2精讲：原理推导+逐行代码分析》正式上线啦！ORB-SLAM2是视觉SLAM中特征点法的代表作，也是首个同时支持单目、双目、RGBD相机的超实用开源SLAM方案。整个代码结构清晰，内容完整，涵盖实时跟踪、局部地图、回环检测、BA优化，工程技巧等，适合二次开发，很多公司在此基础上研发不同应用领域的SLAM解决方案，是学习视觉SLAM的必备基础。适用于自动驾驶、增强现实、机器人、三维重建等领域。我们的系列课程以详细注释的

SLAM大牛Cyrill Stachniss组发表在IROS2019的新论文SuMa++: Efficient LiDAR-based Semantic SLAM，已经开源。demo视频：论文链接：http://www.ipb.uni-bonn.de/wp-content/papercite-data/pdf/chen2019iros.pdf开源代码：https://github.com...

由于格式原因，更好的阅读体验请查看原文链接： AI资源对接需求汇总： 第4期平台介绍平台由人工智能领域几个知名原创公众号发起，总读者约25万。主要面向人工智能领域的从业者，涵盖图像处理、三维计算机视觉、机器学习、深度学习、自然语言处理等技术，涉及手机影像、辅助/自动驾驶、移动机器人、无人机、AR、VR、工业自动化等产业。平台宗旨：为大家提供人工智能相关的资源对接机会，包括但不限于：求职招聘...

本文作者任旭倩，公众号：计算机视觉life成员，由于格式原因，公式显示可能出问题，建议阅读原文链接：综述 | SLAM回环检测方法在视觉SLAM问题中，位姿的估计往往是一个递推的过程，即由上一帧位姿解算当前帧位姿，因此其中的误差便这样一帧一帧的传递下去，也就是我们所说的累积误差。一个消除误差有效的办法是进行回环检测。回环检测判断机器人是否回到了先前经过的位置，如果检测到回环，它会把信息传递给后端进...

视觉 Vs. IMU小白：师兄，好久没见到你了啊，我最近在看IMU（Inertial Measurement Unit，惯性导航单元）相关的东西，正好有问题求助啊师兄：又遇到啥问题啦？小白：是这样的，现在VIO（Visual-Inertial Odometry，视觉惯性里程计）很火，我就想试试把IMU测量的信息和图像进行简单的融合，这样利用IMU测量的先验信息，可以给图像一个比较好的初值。。...

本文作者蔡量力，公众号：计算机视觉life成员，由于格式原因，公式显示可能出问题，建议阅读原文链接：综述 | 相机标定方法另外推荐几个原创的号 计算机视觉，Python，自然语言处理、数据挖掘相关，汇总最新资源，学习更高效！​ 在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机...

更好的阅读体验，请查看首发原文链接：AI资源对接需求汇总：第3期平台介绍平台由人工智能领域几个知名原创公众号发起，总读者约25万。主要面向人工智能领域的从业者，涵盖图像处理、三维计算机视觉、机器学习、深度学习、自然语言处理等技术，涉及手机影像、辅助/自动驾驶、移动机器人、无人机、AR、VR、工业自动化等产业。平台宗旨：为大家提供人工智能相关的资源对接机会，包括但不限于：求职招聘、项目合作、...

本文作者是计算机视觉life公众号成员蔡量力，由于格式问题部分内容显示可能有问题，更好的阅读体验，请查看原文链接：代码解读 | VINS 视觉前端vins前端概述在搞清楚VINS前端之前，首先要搞清楚什么是SLAM前端？SLAM的前端、后端系统本身没有特别明确的划分，但是在实际研究中根据处理的先后顺序一般认为特征点提取和跟踪为前端部分，然后利用前端获取的数据进行优化、回环检测等操作，从而将优...

由于不方便放链接，更好的阅读体验请查看：自动化专业如何转SLAM或机器学习岗？本文来自知乎上的同名问题，原文链接：https://www.zhihu.com/question/266685012/answer/336327001题主是北京某985理工类高校自动化专业本硕（硕士专业是控制工程），刚刚毕业半年左右，第一份工作是在一家创业型机器人小公司做控制工程师。工作内容很杂，主要是一些stm32开发...