Semantic SLAM源码解析

已于 2022-07-13 08:40:37 修改
阅读量780 收藏 3
点赞数
CC 4.0 BY-SA版权
分类专栏： 源码解读系列 文章标签： 人工智能 SLAM
于 2022-07-07 11:35:03 首次发布
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。
本文链接：https://blog.youkuaiyun.com/level_code/article/details/125655642
本文详细解析了一个基于ROS的语义SLAM建图过程，从semantic_cloud.py出发，结合ORB_SLAM2进行位姿估计，通过octomap_generator_ros.cpp实现八叉树地图构建。在回调函数toggleUseSemanticColor中，将点云转换到世界坐标系，并利用ORB_SLAM的位姿信息映射到八叉树地图中，最终发布 octomap_full 地图供rviz显示。

这个语义SLAM建图是基于ROS的
下面上源码解析：

首先从semantic_cloud.py出发，这里接收相机读入的topic, 会得到RGB图和深度图，
同时会起orb_slam2计算位姿，我们这里不讨论orb_slam2的算法细节，那是另一个大话题了。

node: semantic_cloud:

point_type = PointType.SEMANTICS_MAX
self.mean = np.array([104.00699, 116.66877, 122.67892
了解本专栏 订阅专栏 解锁全文 超级会员免费看
基于网格图 的同步定位与建图（SLAM）算法的matlab代码_代码_下载
06-06
grid_slam 基于网格图的同步定位与建图（SLAM）算法的matlab代码
Semantic Visual SLAM 简述
gongyuandaye的博客
08-20 615
slam的目的在于定位和建图。视觉slam由于其低成本、小场景下的高准确度、丰富的环境信息，得到了充分的应用，但同时又受到光照变化、动态物体、缺乏纹理信息的环境的挑战，且需要的计算资源较高，实时性较差。将语义信息与slam结合能够提升对图像特征的理解并建立高精度的语义地图，如早期的Slam++等。
语义 SLAM
weixin_39608351的博客
06-26 5129
CNN-SLAM。 该文章使用直接法估计相机姿态，使用 CNN 来估计 Depth，以及做图像语义分割。然后将 Geometry 和 semantic 融合起来，生成具有语义信息的 map。论文：Keisuke Tateno, Federico Tombari, Iro Laina, Nassir Navab, "CNN-SLAM: Real-time dense monocular SLAM w...
Semantic Monocular SLAM for Highly Dynamic Environments面向高动态环境的语义单目SLAM
weixin_33912445的博客
03-06 568
一、摘要 　　当前单目SLAM系统能够实时稳定地在静态环境中运行，但是由于缺乏明显的动态异常处理能力，在动态场景变化与运动中往往会失败。作者为解决高度动态环境中的问题，提出一种语义单目SLAM架构，结合基于特征和直接方法实现具有挑战的条件下系统的鲁棒性。作者所提出的方法利用专业概率模型从场景中提取的语义信息，使跟踪和建图的概率最大化依赖于那些相对于相机没有呈现相对运动的场景部分。在KITTI和S...
Semantic SLAM with Autonomous Object-Level Data Association 论文笔记
wmx1999的博客
04-01 898
Semantic SLAM with Autonomous Object-Level Data Association系列文章摘要&介绍系统框架目标检测和追踪目标检测物体级数据关联语义建图 系列文章 1.使用椭球表示物体的语义SLAM的基础知识 2.QuadricSLAM 摘要&介绍 疫情原因封校，好想出去耍耍呀！哎，心情不好，写篇博客发泄一下 这篇论文发布在2021年的ICRA上，也是使用椭球来表示物体。使用BoW词袋向量来完成数据关联，并且提出了一种新的椭球初始化方法。能够完成实时的
semantic_slam安装编译
qq_45539458的博客
11-14 1541
目录two additional modulesDependencies数据集build继续测试（安装）VINS-MonoYOLODependenciesbuild 源码https://github.com/hridaybavle/semantic_slam two additional modules A VO/VIO algorithm: ROVIO, VINS_MONO, OKVIS etc. An Object Detector: Yolo, Shape Color Detector 其实可以先不装
精选资源
AVP-SLAM-SIM:模拟中AVP-SLAM（IROS 2020）的基本实现（不是官方代码）。 https
05-25
AVP-SLAM-SIM 基本实现仿真 。 尊重AVP-SLAM项目->童琴，陈同庆，陈以伦和苏青AVP-SLAM-SIM 基本实现仿真！ ··目录关于该项目代码结构怎么跑怎么跑路线图贡献执照接触致谢 关于该项目 这个项目只是我对Paper的实现...
DS-SLAM代码（动态环境下基于图像分割的SLAM）阅读笔记（二）
qq_41623632的博客
01-21 2570
这一篇文章我们来一起学习一下DS-SLAM的 System.cc 系统初始化的构造函数 和Frame.cc 帧初始化构造函数 : 相比较与ORBSLAM2 作者主要改变了 Frame.cc, ORBmatcher.cc, Pointcloudmapping.cc and Segment.cc. 这五个函数，在ORBSLAM2的基础上新增了语义分割 线程 和 稠密极爱泥土线程 接下来我们一一往下学习。 在程序的主函数 ros_tum_realtime.cc 我们先对整个SLAM系统进行了初始化： // 初
semanticfusion源码
03-08
**语义SLAM（Semantic SLAM）** 语义SLAM，即“语义同时定位与建图”（Simultaneous Localization and Mapping with Semantics），是传统SLAM（同时定位与建图）技术的一个扩展，它在构建环境地图的同时对场景中的...
SLAM优秀开源工程最全汇总
albertleebob的博客
06-04 2910
AIRX全新技术专栏 -- [SLAM] 整理了AIRX团队平时学习SLAM的一些开源工程、书籍、论文项目等。 1、Cartographer Cartographer是一个系统，可跨多个平台和传感器配置以2D和3D形式提供实时同时定位和制图（SLAM）。 https://github.com/cartographer-project/cartographer 2、Openvslam 一个通用的视觉SLAM框架。OpenVSLAM是单眼，立体声和RGBD视觉SLAM系统。值得注意的功能是.
Semantic SLAM Based on Improved DeepLabv3+in Dynamic Scenarios
weixin_66218530的博客
03-14 433
文献阅读
semantic_slam_nav_ros-master.zip
06-02
semantic_slam_nav_ros-master.zip
语义SLAM综述
热门推荐
aj的博客
02-27 1万+
语义SLAM综述 摘要 SLAM技术在计算机视觉和机器人领域中占有重要地位。传统的SLAM框架采用了较强的静态世界假设，便于分析。大多基于小区域静态环境。在大规模的动态环境下，它们大多难以获得较好的性能，系统的准确性、快速性仍需加强。如何应对动态环境是一个非常重要而又备受关注的问题。现有的面向动态场景的SLAM系统要么只利用语义信息，要么只利用几何信息，要么以松散耦合的方式天真地组合它们的结果。近...
VPS-SLAM: Visual Planar Semantic SLAM for Aerial Robotic Systems
wuting9828的博客
08-07 1115
VPS-SLAM: Visual Planar Semantic SLAM for Aerial Robotic Systems ABSTRACT：室内环境中存在大量的高级语义信息，这些信息可以为机器人提供更好的环境理解，从而提高其估计误差的不确定性。虽然语义信息已经被证明是有用的，但是研究社区在准确地感知、提取和利用环境中的语义信息方面面临着一些挑战。为了解决这些挑战，在本文中，我们提出了一个轻量级的实时可视化语义SLAM框架，运行在空中机器人平台上。这种新方法将低级视觉/视觉惯性测程(VO/VI...
经典文献阅读之--Multi-modal Semantic SLAM(多模态语义SLAM)
lovely_yoshino的博客
01-14 1万+
在复杂动态环境下，如何去建立一个稳定的SLAM地图是至关重要的。但是现在当前的SLAM系统主要是面向静态场景。目前相较于点云的分类与分割而言。视觉的识别与分割会更加容易。这就可以根据语义信息提高对环境的理解。文章《》提出了一个鲁棒的多模态语义框架去解决slam在复杂和动态环境下的问题。同时该论文也在中开源了数据集和代码。
《Semantic SLAM With More Accurate Point Cloud Map in Dynamic Environments》论文笔记
TheRun的博客
02-20 2403
Semantic SLAM With More Accurate Point Cloud Map in Dynamic Environments Abstract 摘要 SLAM系统在动态环境下构建的全局点云图的质量与相机位姿估计和局部点云图中噪声块的去除有关。 多数动态SLAM系统主要是提高相机定位精度，但对噪声块去除的研究很少。本文提出了一种新的语义SLAM系统，该系统具有更精确的动态环境点云地图。 我们通过BlitzNet获得了图像中动态对象的蒙版和边界框。通过在边界框中分析mask(掩模)的深度统计
semantic_slam环境配置
蓝羽飞鸟的博客
06-16 3146
orb_slam2 + 语义分割 + 八叉树地图,
语义栅格图（四）semantic slam 安装测试
weixin_41680653的博客
07-19 2406
1.放到catkin_ws后，要执行catkin_make 1）这里需要根据Readme文件安装相关的依赖 2）由于SB的绿霸，导致无法apt-get install相关包，所以只能手动下载安装，并添加到findpackage里，package.xml里 就是这三个包： ros-kinetic-octomap-msgs ros-kinetic-octomap-rviz-plugins ...
运行semantic SLAM流程记录
Sylvia的博客
12-20 924
指定orb文件路径 ~ $ gedit .bashrc export ROS_PACKAGE_PASH ~ $ source .bashrc 命名不要使用空格； 修改文件名后，需要重新编译； 编译orb slam2 ~/semantic_slam $ sudo rm -r build/ devel/ ~/semantic_slam $ catkin_make 运行orb slam2 ~/semantic_slam $ source devel/setup.bash ~/seman..
semantic slam
08-18
Semantic SLAM是基于语义的同时定位与建图技术。它包含两个主要思路：Semantic Mapping和Real Semantic SLAM。 Semantic Mapping是指将语义信息与地图建立关联，以提高地图的语义理解能力。通过在建图过程中引入语义信息，可以更准确地表示环境中的物体和场景。这可以通过使用语义标签对地图上的特征点进行分类，或者将语义对象作为地图的一部分来实现。 Real Semantic SLAM是指在同时定位和建图的过程中，结合语义信息来提高定位和建图的精度和鲁棒性。相对于传统的SLAM技术，Real Semantic SLAM在定位和建图的过程中都考虑了语义信息的影响。这可以通过将语义标签与传感器数据进行关联来实现，例如使用深度学习算法对图像或激光数据进行语义分割，然后将分割结果与SLAM算法进行融合。 值得注意的是，仅实现Semantic Mapping并不等同于实现真正的Semantic SLAM。真正的Semantic SLAM需要在同时定位和建图的过程中使用语义信息来改善定位和建图的性能。 总而言之，Semantic SLAM是一种利用语义信息来提高同时定位和建图技术的方法。它包括Semantic Mapping和Real Semantic SLAM两个主要思路，前者主要关注地图的语义理解能力，后者则是在定位和建图的过程中考虑语义信息的影响。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [从5个经典工作开始看语义SLAM](https://blog.youkuaiyun.com/HamiCenby/article/details/104581116)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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

打赏作者

蓝羽飞鸟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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