视觉SLAM综述:从几何建模到基于学习的语义场景理解进展
机器人学
2022-09-13 v1 人工智能
摘要
同步定位与建图(SLAM)是自主移动机器人的基本问题之一,机器人需要在重建未知环境的同时相对于地图进行自身定位。特别地,视觉SLAM利用移动机器人的多种传感器来采集并感知地图的表示。传统上,基于几何模型的技术被用于解决SLAM问题,其在具有挑战性的环境下容易出错。计算机视觉的最新进展(如深度学习技术)为应对视觉SLAM问题提供了数据驱动的方法。本综述总结了利用多种基于学习方法在视觉SLAM领域的最新进展。我们首先简要概述基于几何模型的方法,随后对SLAM当前范式进行技术性回顾。接着,我们介绍各种基于学习的方法,用于从移动机器人采集感官输入并进行场景理解。我们讨论了基于深度学习的语义理解当前范式,并将其置于视觉SLAM的背景下。最后,我们探讨了视觉SLAM中基于学习方法所面临的挑战与进一步机遇。
引用
@article{arxiv.2209.05222,
title = {A Review on Visual-SLAM: Advancements from Geometric Modelling to Learning-based Semantic Scene Understanding},
author = {Tin Lai},
journal= {arXiv preprint arXiv:2209.05222},
year = {2022}
}