同步定位与地图构建(simultaneous localization and mapping, SLAM)技术能够在陌生环境中定位自身位置的同时构建周围环境,已经成为机器人、无人驾驶和虚拟现实等领域非常重要的基础技术.隐式建图方法对于场景未观测区域具有一定补全...同步定位与地图构建(simultaneous localization and mapping, SLAM)技术能够在陌生环境中定位自身位置的同时构建周围环境,已经成为机器人、无人驾驶和虚拟现实等领域非常重要的基础技术.隐式建图方法对于场景未观测区域具有一定补全预测能力,可以实现对遮挡或稀疏观测区域的孔填充,近年来,将该方法融入SLAM,以提高其系统性能逐渐成为SLAM领域的研究热点.文中首先总结应用于视觉SLAM中的隐式建图方法并基于地图存储载体对其进行分类;然后基于建图渲染速度提高、大规模场景扩展方法、建图鲁棒性提高、前端功能的改进和回环检测的补充等改进方向对结合隐式建图的视觉SLAM进行分类说明,并梳理了面向语义建图、动态场景和多传感器融合等特定场景的隐式建图SLAM系统;随后介绍隐式建图SLAM系统常用的数据集和评价标准,并基于相同数据集和评价标准对多个SLAM系统进行对比和分析;最后总结隐式建图视觉SLAM系统提高自身性能的改进方式,剖析系统现存的计算量大和遗忘严重等短板,并与其他技术对比展望未来发展趋势.展开更多
文摘同步定位与地图构建(simultaneous localization and mapping, SLAM)技术能够在陌生环境中定位自身位置的同时构建周围环境,已经成为机器人、无人驾驶和虚拟现实等领域非常重要的基础技术.隐式建图方法对于场景未观测区域具有一定补全预测能力,可以实现对遮挡或稀疏观测区域的孔填充,近年来,将该方法融入SLAM,以提高其系统性能逐渐成为SLAM领域的研究热点.文中首先总结应用于视觉SLAM中的隐式建图方法并基于地图存储载体对其进行分类;然后基于建图渲染速度提高、大规模场景扩展方法、建图鲁棒性提高、前端功能的改进和回环检测的补充等改进方向对结合隐式建图的视觉SLAM进行分类说明,并梳理了面向语义建图、动态场景和多传感器融合等特定场景的隐式建图SLAM系统;随后介绍隐式建图SLAM系统常用的数据集和评价标准,并基于相同数据集和评价标准对多个SLAM系统进行对比和分析;最后总结隐式建图视觉SLAM系统提高自身性能的改进方式,剖析系统现存的计算量大和遗忘严重等短板,并与其他技术对比展望未来发展趋势.
