点击上方“计算机视觉life”,选择“星标”
快速获得最新干货
今晚直播,点击预约,开播第一时间提醒
这将会是一个对你学习生活帮助很大的社群

以下内容来自
【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# arxiv |运动目标轨迹预测的视觉SLAM
【A Visual SLAM with Moving Object Trajectory Prediction】
作者单位:巴斯大学(英国)
文章链接:[2303.02257] A Visual SLAM with Moving Object Traj...
  视觉同时定位与建图( Simultaneous Localization and Mapping,SLAM )由于能够单独使用视觉数据估计相机轨迹并创建环境地图,近年来受到了极大的关注,为自动驾驶应用做出了巨大贡献,特别是在有移动人群和车辆的现实场景中。在这项工作中,我们提出了一个融合移动对象轨迹跟踪和预测的视觉SLAM系统。
 我们考虑到行人的运动线索来跟踪和预测他们的运动,只要对环境建图。这样的集成系统解决了相机和场景中其他运动物体的定位,并进一步创建稀疏地图以支持车辆的潜在导航。在实验中,我们通过在我们的模拟数据集和真实的KITTI数据集上进行综合评估,证明了我们方法的有效性和鲁棒性。
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
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)

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?
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!
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!
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?

“长按”“扫描”下方二维码,加入【小六的机器人SLAM圈】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
全国最大的机器人SLAM开发者社区
继续阅读
阅读原文