...
SLAM은 접근 방법, 목표에 도달하는 단계에서 분해이다, 알고리즘이 아니다. 각 단계마다 성능, 정확도 등과 같은 다양한 특성을 가진 많은 적합한 알고리즘 중 하나를 선택할 수 있습니다.
SLAM은 시각적 주행 측정과 관련된 SLAM의 특수 분기 인 시각 단안 SLAM (monoSLAM) 일 수 있습니다.
FAST & BRIEF와 같은 기능 감지기 및 설명자 추출 알고리즘으로 시작할 수 있습니다. ORB와 AKAZE와 같은 알고리즘을 더 많이 수행합니다.
따라서 이미지에서 포인트 클라우드를 추출하고 프레임에서 추출합니다.
그런 다음 속도 벡터와 같은 것을 얻는 무차별 적 해밍 거리 매처 (humming distance matcher)와 같은 매처 (matcher)로 2 개의 프레임 (연속적이라고 말하십시오)에서 포인트를 매치합니다.
https://www.youtube.com/watch?v=G8XAHLJR8A4
그런 다음 당신은 상대 카메라의 움직임을 설명 rototranslation 행렬을 얻기 위해, PnP를 해결사 같은 몇 가지 알고리즘을 적용 할 수 있습니다. 이제 각 지형지 물에 대한 3D 위치 벡터가 있습니다.
감지 된 기능에서 랜드 마크를 선택하면 오류 분포가있는 3d 점 클라우드 기본지도가 작성됩니다. 그런 다음 sba와 같은 번들 조정을 적용합니다.
낮은 수준의 시작점입니다. 텍스처가있는 3D 세계를 만들고 싶으면 정확한 경로를 닫고 싶을 것입니다. 움직이는 부품 (예 : peolple, 차량)에 대한 견고성을 원할 것입니다 ...
꿈꿔 본 모든 것이 있습니다. 스스로 개발을 기다리고 있습니다.
Visual SLAM은 PhD 수준의 연구 주제입니다. 행운을 빌고 재미있게 보내! ;) – dividebyzero