文章图片
关于vslam : 目前很多策略都是在想如何提高鲁棒性，其实主要的还是保证匹配的正确性即可，比如用superpoint 、d2net 之类替换前端部分，其实vslam后端部分已经没有什么可以改的了，像ＢＡ－net 这种深度学习框架只能发论文，实用性较差。ｖslam 目前的问题：１、long term 就是夏天建的图冬天要能用，２、动态物体对定位的影响，３、弱纹理匹配问题。
【图像处理|vslam 和三维重建可以修改的地方】关于三维重建： 其实可以分为定位 AND 建图，定位的话全局sfm ，如果有其他传感器的的测量值，如rtk，其实这里的定位我指的是定位姿，那么位置就不需要定位了，只需要定姿态。增量式不太好改，比较难融合其他传感器。至于建图，目前的痛点主要是：１、弱纹理的立体匹配 ２、细长结构的立体匹配 ３、远距离物体
推荐阅读
- 人脸识别|【人脸识别系列】| 实现自动化妆
- 前沿论文|论文精读（Neural Architecture Search without Training）
- 深度学习|深度学习笔记总结
- 网络|简单聊聊压缩网络
- 计算机视觉|深度摄像头:一:深度了解深度摄像头
- opencv|图像处理之椒盐噪声的添加与去除
- opencv|网络爬虫入门练习
- OpenCV|【OpenCV 完整例程】89. 带阻滤波器的传递函数
- OpenCV|【OpenCV 完整例程】90. 频率域陷波滤波器
- OpenCV|【OpenCV 完整例程】22. 图像添加非中文文字