IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> slam方向学习 -> 正文阅读

[人工智能]slam方向学习

# boss总结的能力需求
1. imu gps camera 多传感器融合?
2. vio, slam, 3d视觉

# 综述总结的知识点
1. 多线激光雷达slam -- 论文框架:LOAM: Lidar Odometry and Mapping in Real-time


疑问:基于slam和imu的,是不是叫多传感器的slam优化算法

Todo
学习《知乎 -- LOAM-SLAM原理深度解析》,阅读 论文 LOAM: Lidar Odometry and Mapping in Real-time
实现 github 基于 LOAM框架的项目
百度云课程
??? a. 激光slam从理论到事件
??? b. 多传感器融合
书 视觉slam 14 讲 ?
wiki -- LIO?
学习《知乎 -- 激光雷达SLAM算法大全》专栏?

JD

1 负责多传感器融合slam算法(视觉+激光雷达+惯导)的研发。
2 稠密地图的重建,生成2D/3D的导航栅格地图。
3 负责语义slam,语义地图的研发。
4 负责云端视觉重定位算法的研发。

熟悉视觉SLAM/VIO(visual-inertial odometry)即视觉惯性里程计的算法框架和基础理论。熟悉人工的(orb/sift)和基于深度学习的(superpoint/superglue)特征匹配和位姿估计,熟悉后端优化算法和稠密建图。
熟悉常用的视觉/激光/语义开源slam框架(ORB-SLAM3/Kimera/Cartographer等)。
熟悉ROS、OpenCV、Tensorflow/Pytorch;精通C++、Python


3.熟悉EFK,PF滤波,贝叶斯,G2O等优化库或算法
计算机基础扎实:熟悉C++、第三方库熟练运用Ceres,OpenCV等


2. 具有扎实的SLAM理论基础,熟悉VINS、LINS 等开源算法并有实际的项目经验
3. 精通组合惯导基本原理,有实际的项目经验者优先
4. 有自动驾驶融合定位算法经验,熟悉Camera/Lidar/IMU/GNSS融合算法或有实际车辆SLAM项目经验者优先


2. 熟悉卡尔曼滤波算法、ICP算法、NDT算法、粒子滤波算法等;


1. 熟悉视觉VIO或lidar slam相关的算法,如特征点提取、追踪、ORB-SLAM、DSO,lego loam cartographer等
2. 熟悉基于卡尔曼等滤波算法,和最小二乘等非线性优化算法
3. 熟悉大规模后端pose graph optimization等算法


1.我们需要您对于以下方向至少一个领域有过研究与积累:Slam算法/三维重建算法/图像拼接算法,并且了解图像特征、优化理论、多传感器融合(视觉/激光/IMU/相机)、多视角几何、BA等方面>的底层原理及自己动手实现的能力;精通至少一个SLAM框架(ORB/VINS/DSO/SVO/MSCKF等);


2. 具备gps/imu惯导算法,slam,视觉里程记,点云处理,图像处理等经验。
3. 具备一定的雷达,图像,imu标定经验 ?


1、研究生及以上学历,机器人、计算机、模式识别、地图领域相关专业优先 2、具有视觉重建/定位、点云处理、多传感器融合等经验优先
3、熟悉基于激光/视觉slam等基本方法;熟悉标定、融合、滤波、优化等算法,例如:卡尔曼滤波,贝叶斯理论,最小二乘法、图优化等;


3. 熟悉ceres等优化库,熟悉gmapping, cartographer等开源SLAM框架
4.熟悉ros下开发,有传感器融合经验(encoder, imu, lidar)


2)熟悉主动\被动式三维重建算法,精通SFM及立体视觉技术,对图像特征检测、稀疏\稠密匹配有深入研究;
3)精通多重传感器的融合技术,精通KF、EKF、PF;


2. 掌握SLAM相关算法,对学术界的开源SLAM算法有深入了解,包括Gmapping、Cartographer,ORBSLAM等;
3. 对前端优化、后端优化、闭环检测等有深入理解,熟悉EKF等滤波方法,掌握Ceres/G2O等优化工具;


3 熟悉常用的视觉/激光/语义开源slam框架(ORB-SLAM3/Kimera/Cartographer等)。
1 熟悉视觉SLAM/VIO的算法框架和基础理论。熟悉人工的(orb/sift)和基于深度学习的(superpoint/superglue)特征匹配和位姿估计,熟悉后端优化算法和稠密建图。

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-08-19 12:04:06  更:2021-08-19 12:05:27 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 19:52:17-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码