完成！用深度学习特征加持ORB-SLAM3！构建特征地图，实现长期视觉定位！

文章预览

点击“ 计算机视觉life ”，选择“星标” 机器人AI干货第一时间送达 在视觉SLAM中，长期视觉定位是非常关键且有挑战性的工作。主要涉及到光照变化和动态物体的问题。因此，深度学习如何解决室内动态物体和提高地图的光照、视角不变性则是目前更为可行的研究内容。 针对实际的工程落地中面临的鲁棒性和精度问题，我们能做的是：使用 在嵌入式NPU或GPU的运行的轻量级网络，将视觉SLAM中难以用手工方法表达的、难以建立精确模型的模块用数据驱动的方法替换掉，而将传统SLAM中精确的建模和求解过程保留。这样既保留了传统方法的优势，又能有效利用深度学习的强大表达能力，使得整体算法在鲁棒性、精度等方面上一个台阶 。 针对结合深度学习方法和传统方法解决长期视觉定位问题，计算机视觉life联合华中科技大学博士LIN YI合作了 《 基于 ………………………………