点击上方“计算机视觉life”，选择“星标”
快速获得最新干货
小六的机器人SLAM圈】
，在这里你可以收获：

星主答疑解惑/定期直播分享/最新招聘信息/笔面试题速递/行业最新动态/

每日领域论文翻译/成员定期交流活动

还有星球专属视频哦~（图片篇幅有限，更多内容请移步官网cvlife.net查看~）
以下内容来自小六的机器人SLAM学习圈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# R-AL 2023｜利用瞬态直方图释放接近传感器的性能
作者单位：威斯康星大学（美）
文章链接：https://arxiv.org/pdf/2308.13473.pdf
  我们提供了利用一类近距离飞行时间 (ToF) 距离传感器捕获的瞬态直方图来恢复平面场景几何形状的方法。瞬态直方图是一维时间波形，对入射到 ToF 传感器上的光子的到达时间进行编码。通常，传感器使用专有算法处理瞬态直方图以产生距离估计，这通常用于多种机器人应用。
 我们的方法直接利用瞬态直方图，能够比仅使用专有距离估计更准确地恢复平面几何形状，并一致地恢复平面表面的反照率，这是单独使用专有距离估计不可能实现的。这是通过可微渲染管道来实现的，该管道模拟瞬态成像过程，允许直接优化场景几何形状以匹配观察结果。为了验证我们的方法，我们从多个角度捕获了 8 个平面的 3,800 次测量结果，并表明我们的方法在大多数情况下优于专有距离估计基线一个数量级。我们演示了一个简单的机器人应用程序，该应用程序使用我们的方法在安装在机器人手臂末端执行器上的传感器感测到平面的距离和坡度。
以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容
如果你还不是【小六的机器人SLAM圈】成员，扫描加入↓“长按”或“扫描”下方二维码，加入即可开始学习~3天内无条件退款~ 购买后务必加客服领取其他权益和加交流群，现在加入免费送近千页5年机器人SLAM答疑手册 

最后介绍一下我们最近的几个学习活动：（点击下方标题即可快速获取）
1、实战：基于ORB-SLAM2的管道机器人圆柱约束的位姿估计
管道内单目视觉SLAM尺度漂移较明显，定位挑战很大。学完本项目，你可以动手做到：利用管道的圆柱形结构约束，基于ORB-SLAM2改进地图点位置估计，从而优化SLAM算法精度。详情点击 从小白到老手，我如何搞定管道机器人位姿估计？
2、快速入门多传感器融合SLAM：LVI-SAM
LVI-SAM是MIT团队的TixiaoShan等人开源的一个紧耦合的激光雷达视觉惯导SLAM系统，可以实时高精度鲁棒的进行状态估计和建图。哈工大博士带你学习，1个月的学习挑战赛，详情点击 MIT团队开源的这个激光雷达视觉惯导SLAM系统，太香了！
3、快速入门激光雷达惯性SLAM-FastLio2
FAST-LIO2是香港大学火星实验室（MARS）发表在IEEE-RAL和IEEE-TRO的两篇论文，是一种具有高计算效率、高鲁棒性的雷达惯性里程计（LIO）本课程中上海交通大学博士王泽霖推出为期1个月的学习挑战赛第2期，从原理到实战快速掌握，详情点击 香港大学开源的这个激光雷达惯性SLAM，太强了！
4、效果逼近LIO-SAM！带你实现激光雷达SLAM
本项目对ALOAM进行改进，融合众多新技术，ALOAM+ LINK3D + CSF + BALM，纯激光雷达SLAM效果逼近LIO-SAM。详情点击 我用纯LiDAR SLAM实现逼近LIO-SAM的效果，如何做到？

继续阅读
阅读原文