一些基于深度学习的视觉里程计/SLAM开源代码

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

作者：黄浴

https://zhuanlan.zhihu.com/p/139150194

本文转载自知乎，作者已授权，未经许可请勿二次转载。

这里重点是摄像头运动估计和定位，不是地图或者路标（landmark）。以前大家都知道SLAM结合深度学习最多的是语义SLAM，比如语义分割和语义目标识别。而这里强调的是里程计和定位。另外，忽略一些特征提取和匹配的方法。

1.DEMON

https://github.com/lmb-freiburg/demon

其方法如图所示

2. SfM Learner

https://github.com/tinghuiz/SfMLearner
方法如图

3. LEGO

https://github.com/zhenheny/LEGO

方法如图

4. Vid2Depth

https://sites.google.com/view/vid2depth

方法如图

5. DeepMatchVO

https://github.com/hlzz/DeepMatchVO

方法如图

6. DeepVO

ChiWeiHsiao/DeepVO-pytorch

krrish94/DeepVO

方法如图

7. DDVO

https://github.com/MightyChaos/LKVOLearner

方法如图

8. MonoDepth2

https://github.com/nianticlabs/monodepth2

方法如图

9. Depth VO Feat

Huangying-Zhan/Depth-VO-Feat

方法如图

10. SC SfM Learner

https://github.com/JiawangBian/SC-SfMLearner-Release

方法如图

11. GeoNet

https://github.com/yzcjtr/GeoNet

方法如图

12. Nvidia CC

https://github.com/anuragranj/cc

方法如图

13. DOP Learning

https://github.com/guangmingw/DOPlearning

14. EPC

https://github.com/chenxuluo/EPC

方法如图

15. DF-VO

https://github.com/Huangying-Zhan/DF-VO

算法如图

16. struct2depth

https://sites.google.com/view/struct2depth

方法如图

17. DF-Net

http://yuliang.vision/DF-Net/

方法如图

18. Samsung Odometry

https://github.com/saic-vul/odometry

方法如图

19. SfM-Net

https://github.com/augustelalande/sfm

方法如图

20. CNN-SVO

https://github.com/yan99033/CNN-SVO

方法如图

21. DeepTAM

https://github.com/lmb-freiburg/deeptam

方法如图

22. Active Neural SLAM

https://github.com/devendrachaplot/Neural-SLAM

方法如图

推荐阅读：

吐血整理|3D视觉系统化学习路线

那些精贵的3D视觉系统学习资源总结（附书籍、网址与视频教程）

超全的3D视觉数据集汇总

大盘点|6D姿态估计算法汇总(上)

大盘点|6D姿态估计算法汇总（下）

机器人抓取汇总|涉及目标检测、分割、姿态识别、抓取点检测、路径规划

汇总|3D点云目标检测算法

汇总|3D人脸重建算法

那些年，我们一起刷过的计算机视觉比赛

总结|深度学习实现缺陷检测

深度学习在3-D环境重建中的应用

汇总|医学图像分析领域论文

大盘点|OCR算法汇总

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会（ICRA/IROS/ROBIO/CVPR/ICCV/ECCV等）、顶刊（IJCV/TPAMI/TIP等）、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近1000+星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题