基于神经网络的视觉SLAM综述
DOI:
作者:
作者单位:

1.南京信息工程大学;2.南京航空航天大学

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(51875281)


A review of visual SLAM based on neural networks
Author:
Affiliation:

1.Nanjing University Of Information Science &technology;2.Nanjing University Of Aeronautics And Astronautics

Fund Project:

The National Natural Science Foundation of China (General Program, Key Program, Major Research Plan)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    传统视觉SLAM虽取得了令人惊叹的成就,但在具有挑战性的环境中难以取得想要的效果。深度学习推动了计算机视觉领域的快速发展,将深度学习与基于视觉的SLAM结合是一个热门话题。本文从深度学习经典的神经网络入手,介绍了深度学习与传统基于视觉的SLAM算法的结合,概述了卷积神经网CNN(Convolutional Neural Network)与循环神经网络RNN(Recurrent Neural Network)在深度估计、位姿估计、闭环检测等方面的成就。并指出神经网络在语义信息提取方面的优点,为未来自主移动机器人真正自主化提供了帮助,并对未来VSLAM发展做出展望。

    Abstract:

    While traditional visual SLAM has achieved amazing results, it is difficult to achieve the desired results in challenging environments.Deep learning has promoted the rapid development of computer vision. Combining deep learning with vision-based SLAM is a hot topic. Starting from the classical neural network of deep learning, this paper introduces the combination of deep learning and traditional vision-based SLAM algorithm.The achievements of Convolutional Neural Network (CNN) and Recurrent Neural Network (RNN) in depth estimation, pose estimation and closed-loop detection are summarized.The advantages of neural network in semantic information extraction are pointed out, which can help the autonomous mobile robot to be truly independent in the future, and the development of VSLAM in the future is prospected.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2022-04-20
  • 最后修改日期:2022-09-24
  • 录用日期:2022-09-28
  • 在线发布日期:
  • 出版日期:

地址:江苏南京,宁六路219号,南京信息工程大学    邮编:210044

联系电话:025-58731025    E-mail:nxdxb@nuist.edu.cn

南京信息工程大学学报 ® 2022 版权所有  技术支持:北京勤云科技发展有限公司