碾压SOTA!最新视觉SLAM:渲染速度提升176倍,内存占用减少150%

视觉SLAM,一种结合了CV与机器人技术的先进方法。与激光SLAM相比,它成本低廉且信息量大,易于安装,拥有更优秀的场景识别能力,因此在自动驾驶等许多场景上都非常适用,是学术界与工业界共同关注的热门研究方向。

但传统的视觉SLAM也面临着一些挑战和局限性,比如在低光或强光照环境下性能下降、不太适合处理动态场景或高速移动等。为此,研究者们提出了许多改进方案。

效果很赞的如最新提出的NGD-SLAM,既能保证效率和精度,又无需GPU,是行业第一个达到此目标的视觉动态SLAM系统。另外还有基于3D高斯SLAM系统,猛超SOTA实现了渲染速度提升176%,内存使用减少150%的炸裂效果。

我今天就帮各位整理了12个最新发布且超高质量的视觉SLAM改进方案,代码开源的都有,强烈建议想发论文的同学研读。

论文原文+开源代码需要的同学看文末

NGD-SLAM: Towards Real-Time SLAM for Dynamic Environments without GPU

方法:本文提出了一种新颖的视觉SLAM系统,在CPU上实现了实时性能。通过引入一个独立的mask预测机制来减轻使用深度学习模型带来的低效问题,同时保持了动态目标识别的高准确性,并采用了双阶段跟踪方法来进一步提高系统的效率。

NGD-SLAM作为一个无需GPU支持的视觉SLAM系统,在动态环境中实现了56帧每秒的高跟踪帧率,同时保持了与最先进的方法相当的定位精度。

创新点:

  • 引入了一个独立于框架的掩码预测机制,使相机跟踪和动态对象分割能够同时进行,而不需要等待对方的输出。

  • 开发了一个双阶段跟踪方法,使用光流方法跟踪识别出的动态和静态特征,以及将光流和ORB特征的优势结合起来进行相机跟踪。

Compact 3D Gaussian Splatting For Dense Visual SLAM

方法:论文提出了一个名为“Compact 3D Gaussian Splatting SLAM”的系统,旨在解决现有基于3D高斯(Gaussian)的SLAM方法中存在的问题,如高内存和存储成本以及训练速度慢。

该系统在保持与现有最先进方法相当的高质量场景表示的同时,实现了训练速度提升33%,渲染速度提升176%,内存使用减少150%。

创新点:

  • 提出了一种全面的密集视觉SLAM系统,实现了高保真性能、快速训练、紧凑性和实时渲染。

  • 提出了一种可学习的滑动窗口遮罩策略,用于减少冗余的三维高斯椭球体数量,从而实现高保真性能。

  • 设计了一种新颖的基于滑动窗口的在线遮罩方法,以在SLAM系统操作期间移除冗余的高斯椭球体数量,实现更快的渲染速度和高效的内存使用。

GGC-SLAM: A VSLAM System Based on Predicted Static Probability of Feature Points in Dynamic Environments

方法:论文介绍了一种基于特征点静态概率的动态环境下的视觉同时定位与建图(VSLAM)系统,名为GGC-SLAM。GGC-SLAM系统结合了ORB-SLAM2框架,并引入了轻量级物体检测、基于网格的运动统计(GMS)和随机采样一致性图割(GC-RANSAC)算法。

在TUM公共数据集和真实世界环境中进行的评估表明,GGC-SLAM能够有效地处理动态场景中的动态特征点,同时确保实时操作。在高动态场景中,与ORB-SLAM2相比,该系统的平均绝对轨迹误差降低了约90%。

创新点:

  • 提出了一种特征匹配优化方法,引入了基于网格的运动统计(GMS)和图割随机抽样一致性(GC-RANSAC)算法。该方法能够从大量的粗匹配中有效地筛选出高质量匹配,并精确解决基础矩阵。

  • 作者结合语义信息和对极约束,初步预测了特征点的静态概率。通过GC-RANSAC求解的基础矩阵确定了对极约束,而轻量级目标检测网络SSD则快速获取了语义信息。

  • 构建了一个基于几何关系和条件随机场的特征点概率模型,通过整合先验的静态概率信息和分析一系列帧中的观测,进一步细化了特征点的动态和静态属性的判断。

Light-SLAM: A Robust Deep-Learning Visual SLAM System Based on LightGlue under Challenging Lighting Conditions

方法:本文提出了一种基于深度学习网络的Light-SLAM系统,将深度学习网络成功应用于传统视觉SLAM技术,实现了在不同时间和具有挑战性的光照条件下的稳健和高精度的实时定位。

Light-SLAM 在适应不同时间段的光照变化环境方面表现优越,显著提高了系统的鲁棒性和准确性,同时能够在 GPU 上实时运行。

创新点:

  • 使用深度学习网络成功将深度学习应用于传统的视觉SLAM技术,实现了在不同时间和具有挑战性的光照条件下的鲁棒且高精度的实时定位。

  • 在许多实验中,Light-SLAM在准确性和鲁棒性方面优于传统的基于手工特征和基于深度学习的方法,甚至在挑战性的低光场景中也能克服ORB-SLAM2等流行算法可能无法稳定运行的困难。

关注下方《学姐带你玩AI》🚀🚀🚀

回复“SLAM改”获取全部论文+开源代码

码字不易,欢迎大家点赞评论收藏

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/790909.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【运维】docker批量删除临时镜像(两种方式)

docker批量删除Tag<none>的临时镜像 在开发的时候&#xff0c;需要经常发布开发包&#xff0c;在使用docker build构建镜像的时候&#xff0c;同一个版本经常会使用相同tag&#xff0c;频繁打包一段时间后&#xff0c;本地会出现很多Tag<none>的临时镜像&#xff…

首届UTON区块链开发者计划大会在马来西亚圆满落幕

7月9日&#xff0c;首届UTON区块链开发者计划大会在马来西亚吉隆坡成功举办&#xff01; 来自全球顶尖的行业领袖、技术精英和众多区块链爱好者参与了此次盛会&#xff0c;也标志着UTON区块链生态进入了一个全新的发展阶段。 会上&#xff0c;UTON区块链创始人之一唐毅先生以“…

四道经典算法JAVA

1.爬楼地 爬20个台阶的爬法:f(19)f(18) 经典斐波拉契数列问题 public class demo4 {//爬楼梯问题public static void main(String[] args) {System.out.println(getSum(20));}public static int getSum(int n) {if (n 1)return 1;if (n 2)return 2;return getSum(n - 1) …

从零开始学习嵌入式----Linux系统命令集合与shell脚本

Shell是一门编程语言&#xff0c;作为学习shell的开始&#xff0c;需要事先搞明白&#xff1a;编程的目的是什么&#xff1f;什么是编程语言&#xff1f;什么是编程&#xff1f; shell本身就是一门解释型、弱类型、动态语言&#xff0c;与python相对应&#xff0c;Python属于解…

mysql查询语句执行流程

流程图 连接器&#xff1a;建立连接&#xff0c;管理连接、校验用户身份&#xff1b;查询缓存&#xff1a;查询语句如果命中查询缓存则直接返回&#xff0c;否则继续往下执行。MySQL 8.0 已删除该模块&#xff1b;解析 SQL&#xff0c;通过解析器对 SQL 查询语句进行词法分析、…

服务器提交记录有Merge branch消除

背景&#xff1a;在共同开发分支release上&#xff0c;你提交了commit&#xff0c;push到服务器上时&#xff0c;发现有人先比你push了&#xff0c;所以你得先pull&#xff0c; 后再push&#xff0c;然而pull后自动产生了一个Merge branch的一个commit&#xff0c;这个commit本…

linux watchdog 子系统

目录 一、watchdog 子系统二、关键数据结构2.1 watchdog_device2.2 watchdog_ops2.3 watchdog_info 三、重要流程3.1 watchdog 初始化3.2 watchdog 设备注册3.3 watchdog 设备文件操作函数3.4 watchdog 喂狗用户空间 watchdog&#xff08;busybox&#xff09;内核空间喂狗疑问 …

防火墙综合实验一

目录 实验要求 防火墙准备 IP地址分配 需求一 需求二 需求三 需求四 需求五 需求六 实验要求 1、DMZ区内的服务器&#xff0c;办公区仅能在办公时间内(9:00-18:00)可以访问&#xff0c;生产区的设备全天可以访问。 2、生产区不允许访问互联网&#xff0c;办公区和游客…

单向链表队列

实现单向链表队列的&#xff0c;创建&#xff0c;入队&#xff0c;出队&#xff0c;遍历&#xff0c;长度&#xff0c;销毁。 queue.h #ifndef __QUEUE_H__ #define __QUEUE_H__#include <stdio.h> #include <stdlib.h> #include <string.h> #define max 30…

图论---无向图中国邮路的实现

开始编程前分析设计思路和程序的整体的框架&#xff0c;以及作为数学问题的性质&#xff1a; 程序流程图&#xff1a; 数学原理&#xff1a; 本质上是找到一条欧拉回路&#xff0c;考虑图中的边权重、顶点的度数以及如何通过添加最少的额外边来构造欧拉回路&#xff0c;涉及到欧…

PLC数采网关在实际应用中有哪些效能?天拓四方

在工业自动化领域中&#xff0c;PLC扮演着至关重要的角色&#xff0c;它负责控制和监测生产线的各个环节。然而&#xff0c;随着工业4.0的推进和智能制造的快速发展&#xff0c;单纯依靠PLC进行现场控制已无法满足企业对数据集中管理、远程监控和智能分析的需求。因此&#xff…

筑牢代码安全之盾 —— 沙箱在源代码防泄密中四大特性

在这个数字化飞速发展的时代&#xff0c;源代码作为企业的核心资产&#xff0c;其安全性显得尤为重要。一旦泄露&#xff0c;不仅可能导致知识产权的损失&#xff0c;还可能引发一系列连锁反应&#xff0c;威胁企业的生存和发展。在这样的背景下&#xff0c;SDC沙盒以其独特的产…

洛杉矶裸机云大宽带服务器的特性和优势

洛杉矶裸机云大宽带服务器是结合了物理服务器性能和云服务灵活性的高性能计算服务&#xff0c;为用户提供高效、安全的计算和存储能力。在了解如何使用洛杉矶裸机云大宽带服务器之前&#xff0c;需要了解其基本特性和优势。以下是对洛杉矶裸机云大宽带服务器的具体分析&#xf…

ZFT9-7VE8043-Z同期脉冲发送装置100V JOSEF约瑟 柜内安装

ZFT9(PIG)同期脉冲发送装置 系列型号 ZFT9(PIG) 7VE8033同期脉冲发送装置; ZFT9(PIG) 7VE8043同期脉冲发送装置; ZFT9 7VE8033同期脉冲发送装置; ZFT9 7VE8043同期脉冲发送装置; 用途&#xff1a; ZFT9同期脉冲发送装置用于船舶的三相系统&#xff0c;根据发电机和电力系…

突发,众多网站流量被盗刷!事情没那么简单。。

这两天发生了一件震惊 IT 圈的大事&#xff0c;很多程序员博主的网站竟然 同时 被恶意攻击&#xff0c;盗刷了大把流量费&#xff0c;我这个老倒霉蛋自然也中招了&#xff0c;作为受害人&#xff0c;专门做了本次分享&#xff0c;希望其他有网站的朋友们也都小心点。 那为什么…

【UE5】调用ASR接口,录制系统输出。录制音频采样率不匹配

暂时测出window能用。阿里的ASR接口当前仅支持8000和16000。UE默认采样44100。

【postgresql】视图(View)

PostgreSQL 中的视图&#xff08;View&#xff09;是一种虚拟表&#xff0c;其内容由 SQL 查询定义。视图可以简化复杂的 SQL 操作&#xff0c;使得用户能够以一种更直观、更易于理解的方式来访问和操作数据。 PostgreSQL 视图是只读的&#xff0c;因此可能无法在视图上执行 D…

pd虚拟机去虚拟化是什么意思?pd虚拟机去虚拟化教程 PD虚拟机优化设置

Parallels Desktop for Mac&#xff08;PD虚拟机&#xff09;去虚拟化是指在虚拟机&#xff08;Virtual Machine&#xff0c;简称 VM&#xff09;中禁用或减少虚拟化层的影响&#xff0c;使其表现更接近于物理机。这种操作通常用于提高虚拟机的性能或解决某些软件兼容性问题。具…

基于JAVA+SpringBoot+Vue的社区普法平台

✌全网粉丝20W,csdn特邀作者、博客专家、CSDN新星计划导师、java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ &#x1f345;文末获取项目下载方式&#x1f345; 一、项目背景介绍&#xff1a; 社区普法平台旨在为社…

10个JavaScript One-Liners让初学者看起来很专业

原文链接&#xff1a;https://pinjarirehan.medium.com/10-javascript-one-liners-for-beginner-developers-to-look-pro-b9548353330a 原文作者&#xff1a;Rehan Pinjari 翻译&#xff1a;小圆 你是不是在辛苦码字时&#xff0c;看到别人轻松甩出一行 JavaScript 就搞定难题…