# Visual SLAM

aquila21

중복되는 Key Frame과 Tracking 후에 생성된 Map Point들을 최적화하고, 새로 들어오는 Key Frame을 아래의 순서로 처리하는 과정새로운 Key Frame이 생성되면 이 Key Frame의 Bag of Words를 계산이를 바탕으로 새로운 Key

aquila21

비디오 영상에서 특정 대상의 위치 변화를 추적하는 것비디오 - 일련의 영상 프레임으로 구성\-> 인접한 영상 프레임들 사이에서는 시공간적 유사성이 존재ex) 영상 내 대상의 위치, 크기, 형태의 유사성\-> 이러한 유사성을 이용해 특정 대상의 위치 변화 추적작성중~

aquila21

맵 상의 3차원 포인트들을 키프레임 이미지 들에 투영시킨 위치와 해당 영상 프레임에서 실제 관측된 위치의 차이

aquila21

문서(document)를 자동으로 분류하기 위한 방법 중 하나로, 문서 내의 단어(words)가 등장하는 순서와 무관하게 사용되는 빈도와 분포를 보고 어떤 종류의 문서인지 판단하는 기법ex) 패스, 득점, 부상, 경고 -> 축구등장하는 단어로부터 단어장을 생성해 출현

aquila21

카메라가 3차원 공간에서 이동한 경우, 이동량을 translation이라고 함3차원 점 (x,y,z)에서 (x',y',z')으로 이동한 경우 translation은 vector t=(x'-x, y'-y, z'-z)로 표현 가능카메라가 x,y,z 축에서 회전한 경우, 이

aquila21

본 포스팅은 한동대 황성수 교수님의 유튜브 강좌를 토대로 정리했음을 밝힙니다.Visual SLAM이란?SLAM(Simultaneous localization and mapping), 동시적 위치 추정 및 지도 작성으로, 임의 공간에서 이동할 때 주변을 탐색하면서 이동한

ys__us

8개의 open-source LiDAR/visual SLAM 시스템을 동일 환경에서 실험해 성능 비교 (LOAM, Lego-LOAM, LIO-SAM, HDL-Graph SLAM, ORB-SLAM3, SVO2, Basalt VIO, Kimera VIO)