【论文阅读笔记】3D语义SLAM论文摘要整理

前文回顾
【论文阅读笔记】Past, Present, and Future of Simultaneous Localization and Mapping
【论文阅读笔记】语义SLAM语义映射模型 Section VI. R EPRESENTATION II: SEMANTIC MAP MODELS
【论文阅读笔记】语义三维重建 CVPR2011:Semantic Structure from Motion

语义分析和SLAM都为计算机视觉领域里的传统探究方向,有必要对其进行回顾

ICRA2017 :SemanticFusion: Dense 3D Semantic Mapping with Convolutional Neural Networks

【CNN】

使用视觉传感实现更加鲁棒,准确和详细的地图绘制,已被证明是移动机器人在各种应用中的一个有利因素。达到机器人智能和直观用户交互的下一个层次的话,地图需要超越几何和外观——它们需要包含语义。我们通过结合卷积神经网络(CNNs)和最先进的同时定位和建图(SLAM)来解决这一挑战,该系统即使在环形扫描轨迹期间也能提供室内RGB-D视频帧之间的长期稠密映射。这些对应使得CNN从多个视角

你可能感兴趣的:(SLAM入门论文阅读专栏,3D语义SLAM,三维点云)