DeepVO论文笔记

最新推荐文章于 2024-02-23 21:16:00 发布
原创 最新推荐文章于 2024-02-23 21:16:00 发布 · 3.5k 阅读 · 6 ·
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。

本文探讨了深度学习应用于视觉里程计的方法，通过CNN提取高阶特征，实现单目摄像头的轨迹估计，挑战传统检测-跟踪的VO方法。实验表明，网络对环境的先验知识对其性能有显著影响，预训练网络并不一定能提升里程计的准确性。未来研究方向包括结合RNN和生成网络，以及利用跟踪特征点作为先验信息。
摘要
    深度学习还没有进入到自动导航领域，比如VO（visual odometry 视觉里程计）、SfM（structure from motion运动结构）、SLAM（simultaneous localization and mapping实时定位制图）。 本文提出了一种单目视觉里程计的深度学习方法，取代了以前的检测-跟踪的方法。


介绍
    在机器人导航领域，里程计被定义为利用不同的动作传感器得来的混合数据实时预测机器人的动作。  这对于机器人的路程规划与控制很重要。  传统的IMU/GPS。
    标准视觉里程计的方法一般有如下步骤：
    1》两个事件的图像获得
    2》图像去畸变
    3》两个图像特征提取SURF，ORB，FAST等
    4》两张图像特征跟踪获取光流
    5》跟踪光流和相机参数估计动作

本文的贡献：
    1》使用深度学习进行视觉里程计，使用CNN获取高阶特征，估计两张连续场景间的转换重建汽车轨迹
    2》使用单目摄像机进行估计，这说明只使用了几何方法。


相关工作
A视觉里程计
    传统的方法有基于特征的和基于外观的（直接法），前者依赖于检测和跟踪一组图
最低0.47元/天 解锁文章

200万优质内容无限畅学
fan_nlnl
关注
论文笔记_S2D.45_DeepVO: 基于深度循环卷积神经网络的端到端视觉里程计
惊鸿一博
11-05 997
1. 文章以及整体结构 文章：DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks（基于深度循环卷积神经网络的端到端视觉里程计） 作者：Sen Wang, Ronald Clark, Hongkai Wen and Niki Trigoni 来源：ICRA2017 deepvo网络结构如下：CNN+RNNs （单目VO） CNN网络的结构：RNNs网络的结构： （学习完理解
论文笔记_SLAM_Visual SLAM and Structure from Motion in Dynamic Environments A Survey
惊鸿一博
02-22 2706
论文介绍 出处：ACM Computing Surveys (2区) 年份：2018 作者：MUHAMAD RISQI U. SAPUTRA, ANDREW MARKHAM, and NIKI TRIGONI, Department of Computer Science, University of Oxford 大纲： 如何执行重建(鲁棒的视觉) 如何分割和跟踪动态对象 如何实现关...
论文阅读《DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Net》
Ah丶Weii
10-11 1662
一、重点单词理解 elaborate 困难的 facilitates 促进 scheme 方案 formulation 配方
DeepVO 论文阅读
qin_liang的博客
07-31 1879
大多数现有的单目视觉里程计（VO）算法都是在标准流程下开发的，包括特征提取、特征匹配、运动估计、局部优化等。虽然其中一些算法已经表现出优越的性能，但它们通常需要仔细设计和专门微调才能正常工作在不同的环境中。恢复单眼 VO 的绝对尺度还需要一些先验知识。本文通过使用深度循环卷积神经网络 (RCNNs) ，提出了一种新颖的单目 VO 端到端框架。由于它是以端到端的方式进行训练和部署的，因此它可以直接从一系列原始RGB图像（视频）数据中推断出相机姿态，无需采用传统VO管道中的任何模块。
【论文阅读】DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks
博客标题不能为空我也没办法
02-23 1794
端到端的视觉里程计，采用CNN提取特征，使用LSTM进行位姿推理
VSLAM--DeepVIO
L_smartworld的博客
08-12 1664
DeepVIO简单介绍（做了什么工作） 以上为DeepVIO的整体框架图，简单介绍下它和传统VIO的区别及它里边的主要贡献。 DeepVIO与传统VIO区别 以VINS-mono为例，传统VIO的架构为输入camera图像数据及IMU数据，分别对上述两种数据建模，利用ICP计算图像间的位姿信息，利用预积分计算IMU的状态信息。 ...
论文笔记_S2D.55_2019_SLAM综述_Huang B. A Survey of Simultaneous Localization and Mapping
惊鸿一博
12-12 1886
目录 基本情况 前言 一、概述 二、Lidar SLAM 激光雷达传感器 激光雷达SLAM系统（Lidar SLAM System） 2D SLAM 3D SLAM 深度学习与激光雷达 挑战与未来 成本和适应性 弱纹理和动态环境 敌对的传感器攻击 三、Visual SLAM 视觉传感器 视觉SLAM系统（Visual SLAM System） 稀疏视觉SLAM 半稠密视觉SLAM 稠密视觉SLAM 视觉惯性里程计SLAM 深度学习与视觉SLAM 挑战与未来 雷达
2020年ECCV论文DeepSFM: Structure From Motion Via Deep Bundle Adjustment阅读笔记
zeeq的博客
09-12 1925
  这篇博客分享的是2020年发表于ECCV上的一篇论文《DeepSFM: Structure From Motion Via Deep Bundle Adjustment》。 论文地址：https://arxiv.org/abs/1912.09697 论文代码：https://github.com/weixk2015/DeepSFM       1 概述   SfM（Structure from motion）是一个深度学习尚未能很好解决的一个基本计算机视觉问题。现有的方法通常都是从ground
Depth-VO-Feat
W_Tortoise的博客
09-20 1208
Unsupervised Learning of Monocular Depth Estimation and Visual Odometry with Deep Feature Reconstruction 要求 此代码使用 Caffe 在 Python 2.7，CUDA 8.0 和 Ubuntu 14.04 上进行了测试。 Caffe：将./caffe中所需的 layers 添加到您...
深度视觉里程计DeepVO(ICRA)的运行笔记
qq_36635888的博客
03-21 3287
最近运行了github上的一个deepvo代码，在此做一个学习笔记。 1. 文章以及整体结构 文章：DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks（基于深度循环卷积神经网络的端到端视觉里程计） 作者：Sen Wang, Ronald Clark, Hongkai...
配置运行DeepVO-pytorch
crazyfox的博客
10-25 1500
配置运行DeepVO-pytorch1 下载东西2 配置环境 1 下载东西 包括代码，kitti数据集，kitti位姿真值，预训练模型 2 配置环境 (1) 若没有需要先安装anaconda 可以更改清华镜像 (2) 创建conda虚拟环境 conda create --name py36-for-deepvo python=3.6 (3) 激活环境 source activate py36-for-deepVO （4）安装pytorch 0.4.0 先查看cuda版本 cat /usr/local/c
DeepVO：通过深度循环卷积神经网络实现端到端的视觉里程计
huarzail的专栏
07-16 3246
使用深度递归卷积神经网络(RCNNG)，提出了一种新颖的端到端单目VO的框架。由于它是以端到端的方式进行训练和配置的，因此它可以直接从一系列原始的RGB图像（视频）中计算得到姿态，而无需采用任何传统VO框架中的模块。
使用文心一言优化DeepVO：基于深度递归卷积神经网络的视觉里程计
m0_63642362的博客
04-14 638
DeepVO使用大量的卷积网络进行特征提取，使用LSTM获取时序信息。本项目一方面使用Paddle进行了复现，另一方面通过咨询文心一言完成了对DeepVO的优化，效果不错。
深度学习神经网络学习笔记-多模态方向-11-Deep Voice: Real-time Neural Text-to-Speech
优快云XXCQ的博客
05-23 1502
本文提出Deep Voice，一种完全由深度神经网络构建的生产质量文本到语音系统。Deep Voice为真正的端到端神经语音合成奠定了基础。该系统由五个主要的构建模块组成:用于定位音素边界的分割模型、字素到音素的转换模型、音素时长预测模型、基频预测模型和音频合成模型。对于分割模型，我们提出了一种使用连接时序分类(CTC)损失的深度神经网络执行音素边界检测的新方法。对于音频合成模型，我们实现了WaveNet的一个变体，比原始模型需要更少的参数，训练速度更快。
DeepVO：基于深度循环卷积神经网络的端到端视觉里程计
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
05-31 573
每天一分钟，带你读遍机器人顶级会议文章 标题：DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks 作者：Sen Wang, Ronald Clark, Hongkai Wen and Niki Trigoni 来源：ICRA 2017 编译：蔡纪源 播音员： 王肃 欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权 摘要 今天介绍的文章是“DeepVO: Tow
DeepVO: Towards End-to-End Visual Odometry with Deep Recurrent Convolutional Neural Networks--Sen Wa
xu.hyj
03-06 1175
[1] Wang S , Clark R , Wen H , et al. DeepVO: Towards end-to-end visual odometry with deep Recurrent Convolutional Neural Networks[J]. IEEE, 2017. 针对以往的使用深度学习解决视觉里程计中，只在帧间预测pose，没有充分利用连续帧的问题，本文使用CNN+RCNN(LSTM)实现了充分利用序列帧的信息，实现了很好的效果。 1、整体结构2、CNN部分3、RNN部分.
神经网络 | DeepVO:Towards End-to-End Visual Odometry
尘世冰封的专栏
03-28 2467
博主github：https://github.com/MichaelBeechan 博主优快云：https://blog.youkuaiyun.com/u011344545 DeepVO代码：链接：https://pan.baidu.com/s/1bSNuZaj0KouXAXlhM4XK_g 提取码：wpzz 论文：http://www.cs.ox.ac.uk/files/9026/DeepVO.pdf ...
UnDeepVO
lebhoryi
05-29 1559
0x00 大纲 paper: "UnDeepVO: Monocular Visual Odometry through Unsupervised Deep Learning " https://arxiv.org/abs/1709.06841 code: https://github.com/drmaj/UnDeepVO 参考：UnDeepVO：基于非监督深度学习的单目视觉里程计 https:...
深度学习结合SLAM的研究思路/成果整理之（二）语义SLAM & 端到端
热门推荐
自己的学习笔记
12-13 2万+
查阅了一些资料，整理了关于语义SLAM的几篇论文。
18.04deepvo
最新发布
02-17
### 安装和配置 DeepVO 的步骤 #### 准备环境 为了在 Ubuntu 18.04 上成功安装并配置 DeepVO，需要确保操作系统已经更新至最新状态。这可以通过以下命令完成： ```bash sudo apt-get update && sudo apt-get ...
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