木独小栈

一、背景 1 研究背景大帽子——整体项目应用背景 用动图、可视化图吸引他人目光，展示出需要研究的内容背景 用国家战略文件，国家战略需求，突出问题的重要性 引用国外著名专家学者的言论，突出问题的重要性 本部分的目标有两点，一是吸引目光，让大家一眼知道你要做一个什么事情，二是引用各种材料说明你要做的这件事情是很重要的。 有时候，做的东西是一个项目中的一个小部分、一个小点，而不是整个系统，因此需要用一个递进的逻辑关系说明你做的东西，在整个大项目中是很重要的。例如 大项目x对国家战略需求、是国内外研究前沿重点 →\to→ 项目x中的xxx技术是支持实现xxx功能的核心技术，决定了xxx性能 →\to→ 所以对xxx技术的研究是非常关键的，必要的。 2 项目中的难点问题 a) 用数据图片、动图等可视化的形式，展示现有的方法的不足之处 数据图片等表达形式一定要直观，并且尽量贴合实际情况，尽量不要用示意图而是采用真实的数据，展示出现有方法的明显不足。 例如： b) 指出是因为什么难点问题导致算法的不足 需要总结提炼出难点问题，经典的方法是用xxx和xxx之间的矛盾描述例如： aaa...

大规模VR定位方案 A Low-cost and Scalable Framework to Build Large-Scale Localization Benchmark for Augmented Reality 深度预测 LightDepth: Single-View Depth Self-Supervision from Illumination Decline 视觉定位 Wide-Area Geolocalization with a Limited Field of View Camera in Challenging Urban Environments AnyLoc: Towards Universal Visual Place Recognition Visual-inertial Loose Coupling for Resilient and Lightweight Direct Visual Localization Nerf VERF: Runtime Monitoring of Pose Estimation with Neural Radiance...

视觉SLAM中的研究点总结 (更新中) 本文为个人学习、阅读文献以及工程项目实践中对于SLAM算法目前存在的问题和一些可行的论文创新点的总结。对于其中的内容有不当之处欢迎在Issues中进行讨论。 目录 概述 针对视觉SLAM系统各模块的研究 信息采集——新式传感器/多传感器 信息提取——特征提取 信息关联——特征匹配 信息处理（直接法）—— 图像灰度对齐估计位姿 信息处理（特征点）—— 特征点关联估计位姿 信息处理（后端优化）—— 基于关键帧结构的后端优化 信息处理（地图）—— 地图构建 端到端的多任务处理 视觉SLAM相关的其他任务 先构建视觉特征地图后定位的视觉定位算法 News 2023.7.28 参加第四届SLAM论坛，在交流学习后，对本文整体进行了进一步的完善。 进一步理解直接法的优势与面临的挑战 Nerf 与 SLAM的关系 未来的 SLAM 形态 2023.5.15 更新了手工直线特征提取的综述 概述 视觉SLAM算法目前遇到的困境在于理论的成熟度与实际的落地应用情况的不匹配。在经典的ORB-SLAM2,ORB-SLAM3等解决方案...