正如沈老师所说,SLAM要跟实际应用相结合。因为SLAM本身只是一个方法,也是一种技术,虽然它现在可以被应用到各个领域,但是它必须跟具体的应用场景结合才能发挥它
但是,我后来看的slam方面论文多了,发现这个领域的研究重点其实是实现算法,算法本身没有难的,就是实现比较难。跟国内读博士要求的发sci其实方向不一致,我看普林斯顿,慕尼黑工
分享一下本人经历:普通985硕,专业本身与SLAM/机器人不沾边,只会基本的coding,高数/线代/矩阵论只上过课,SLAM零基础,研究生期间只简单用过ORB
本文仅用于学习过程中的一些总结记录。2020年发表的关于事件相机在SLAM相关方向(特征提取、深度估计、建图等)的论文。 1. 运动估计 Motion Estimation 有不少关于运动估计的论文,基
你当初,是不是也因为想研究机器人选了SLAM这个方向呢?然而,理想很美好,现实很骨感。真的投身进去,在面临毕业、升职亦或是申请项目,想要发表SCI论
4、A Unified Framework for Mutual Improvement of SLAM and Semantic Segmentation(语义和SLAM相互促进的方法) 5、Multimodal Semantic SLAM with Probabilistic Data Associati
又怕写不出论文毕不了业 六哥:中科院博士,前计算机视觉算法工程师。计算机视觉life平台负责人。 学习教程官网:cvlife.net 1、视觉SLAM:ORB-SLAM2(必学基础) 2
其他领域刊物中近几年有发表过SLAM领域论文的有:International journal of control, automation and systems, N eurocomputing,T-ITS,T-VT,T-Mech,T-IM,T
(一)视觉SLAM:特征点法,结构特征,特殊特征,直接法,稠密SLAM,理论分析 (二)各种SLAM:激光,多传感器融合,多机器人,全局概率定位,active SLAM (三)深度学习:CNN提