加载中...

多传感器融合SLAM方法研究

发表于2025-04-02|更新于2025-04-03

|浏览量:

香港科技大学-袁博
院子康

ORB-SLAM这个工作三篇
DSO的这个工作含金量很足，从应用和工程价值都很足
VINs-Mono 沈邵杰秦通
什么是LIVO，为什么叫LIVO?

CT-ICP
把一个lidar的sweep同时用开始和结束状态来表示，解决啥鸡生蛋还是蛋生鸡的问题
LIVO主要是张富老师团队的作品

FAST-LIO和之前的求解量是三倍以上的往下降，主要是卡尔曼滤波处的一个问题的….
激光雷达的sweep主要是100ms一次的sweep
IG-LIO已经能够以20ms完成一个sweep的处理

这个时候激光雷达固有的比较低的频率成为了瓶颈

前向传播是IMU的值来做积分做的，反向传播是雷达反向传播的修正

SDV-Norm，不能实时，后面的加速播放

张富老师实验室开源的一个数据集

文章作者: 单俊奇

文章链接: http://example.com/2025/04/02/Lecture/%E5%A4%9A%E4%BC%A0%E6%84%9F%E5%99%A8%E8%9E%8D%E5%90%88SLAM%E6%96%B9%E6%B3%95%E7%A0%94%E7%A9%B6/

版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 Tipriest's Blog！

相关推荐

强化学习腿足控制和导航：兼顾敏捷和安全

有一些还没有发现的控制和整合上的工作，让机器人不如动物敏捷手脚并用感知结合神经网络结合本体感受进行修正放弃多层的方案，直接输出关节的动作，因为上层的控制器不知道底层控制器跟的有多好，底层控制器不知道上层控制器做的有多好，没办法联合优化可以让机器人的脚和小石头做接触，传统控制是做不到的鲁棒性传统控制器在遇到一些雾的情况下怎么办在sensor degradtion的情况下进行导航未来RL在腿足机器人领域可能颠覆哪些传统技术？传统控制(已经)+感知/导航(ongoing) 敏捷:RL + goal-reaching, more cases，用了哪一个仿真平台？部署强调“onboard sensing and computation”，采用了哪一家的硬件以及算力大小？ Issaac Gym Orin，有的时候用多个具身智能领域RL的主流技术路线有哪些？如何与大模型衔接？让奖励变得更容易学 VLA加RL，把Policy做很大的模型，后面训练， ...

混合场景抓取-许可淳

混杂场景下物体的抓取和放置，通用机器人抓放可能对末端位姿有明确要求非预编程能够观察物体需要很少的探索能够根据图纸干活大模型很难从交互中自我学习模块化的拼接会收到模块化的累计误差的影响采集数据-每一个场景都采集-可能需要上百种场景，上百万的数据提出了一个Action Foundation Model，给定这样的Action Priors，是不是能够通过少量的学习达到更好的效果抓和放通过同样的一套网络并且share它们的参数来实现多峰问题有很多个动作科学，动作具有多峰分布的特点，但是采集的时候很难都采集到弥补place action的多峰分布的问题 Unconditioned Action Prior把整个问题建模成为一个Uncondition Action Prior的框架给定目标图像，机器人将目标物体从混杂的场景转移到目标场景涉及到一定的物体先后专访，buffer，一个长序列的学习问题 Qs: 抓取实验，做实验有没有考虑过更复杂的情况，背景和物体有类似的纹理...

空间理解模型SpatialLM

8000多个小时，有笔误打标的方式，笔刷先刷面然后再框BOX怎么看真实性：应该在一起和不在一起的东西在不在一起，看热力图的数据支持大约60种类别物体的输出⚠️upload failed, check dev console训练一个VLM，把图片的编码变成一个3d点云的编码，不是很复杂，这样通过 interior net的数据集也是一个很大的数据集，数据来源都是酷家乐设计师的一个来源能够转成各种各样的数据，数据获取方式有一点不同重建点云的时候，用一些离线建模的方法会不会更准一些？CoMap + MVS，点云重建的算法想到饿了么的那个比赛是不是可以先重建一下，但是是单帧的输入是一个点云，输出是一个Box训练时间和训练的卡数 Spatial Verse里面也有一些重力，碰撞检测等等Spatial和SpaceVerse结合生成更真实的物理模型先冻结LLM模型，先调整VLM LLM Projector然后更进一步再放开，调整LLM模型，提高模型输出的精度思路和Qwen...