MKT-porter - 博客园

2025年11月7日

摘要：官方论文《pySLAM：一个开源、模块化且可扩展的SLAM框架》，作者： Luigi Freda “pySLAM 和 slamplay：用于快速原型设计和集成的模块化、可扩展的 SLAM 工具”， Luigi Freda ， RSS 2025 工作坊：统一视觉 SLAM “语义 pySLAM：在同阅读全文

posted @ 2025-11-07 04:56 MKT-porter 阅读(196) 评论(0) 推荐(0)

2025年11月6日

pyslam

摘要： 1 创建环境 pyslam REM 保存当前目录 set STARTING_DIR=%cd% set ROOT_DIR=.. cd %ROOT_DIR% REM 检查 conda conda --version if errorlevel 1 ( echo 错误：请先安装 conda pause e 阅读全文

posted @ 2025-11-06 04:35 MKT-porter 阅读(90) 评论(0) 推荐(0)

2025年11月3日

单目三角化原理

摘要：为什么cv用归一化坐标为什么V T 的最后一列就是解？第一和第二帧产生地图点后，如果进来第三帧，如何定位第三帧，并将其建立的新地图点和现有地图点合并一个坐标系。考虑到第三帧和第二帧的相对位姿尺度未必与第一帧和第二帧一致。参考orb slam2解决这是一个非常核心的细节！这个过程被称为 “地图点阅读全文

posted @ 2025-11-03 18:48 MKT-porter 阅读(20) 评论(0) 推荐(0)

点特征

摘要：核心差异与总结维度与信息层次的不同： ORB和BSC是局部描述符：它们只描述一个点周围的非常局部的信息（纹理或几何）。它们不知道这个点属于“椅子”还是“桌子”。 KPConv特征是点特征：它是在整个点云的上下文中学习得到的。一个点的特征向量，其感受野可能覆盖了整个物体甚至场景的一部分，因此它既阅读全文

posted @ 2025-11-03 02:47 MKT-porter 阅读(15) 评论(0) 推荐(0)

正弦化作用

摘要：是谁最新想到这个正弦化处理，怎么想到的？这是一个非常深刻的问题，触及了深度学习领域一个精彩的创新故事。这个想法的出现不是一蹴而就的，而是一个演进的过程。简单来说，最先将正弦函数用于编码连续信息（位置）并引爆整个领域的，是2017年Google的论文《Attention is All You Nee 阅读全文

posted @ 2025-11-03 02:14 MKT-porter 阅读(28) 评论(0) 推荐(0)

2025年10月29日

三元组

摘要： [62] B. Jiang, Y. Zhu, and M. Liu, “A triangle feature based map-tomap matching and loop closure for 2d graph slam,” in Proc. of the International Con 阅读全文

posted @ 2025-10-29 23:15 MKT-porter 阅读(50) 评论(0) 推荐(0)

3D场景图-3D场景图匹配 SG-PGM: Partial Graph Matching Network with Semantic Geometric Fusion for 3D Scene Graph Alignment and Its Downstream Tasks

摘要：非常好的追问！这两个问题直击SG-PGM方法的核心细节。我们来深入探讨一下。一、 SG-PGM 与 SGAligner 的关系这是一个关键问题，因为它们都是处理3D场景图对齐的重要工作。它们的关系是继承、发展、与侧重不同。 SGAligner 是开创者： SGAligner 是较阅读全文

posted @ 2025-10-29 06:30 MKT-porter 阅读(73) 评论(0) 推荐(0)

使用空间关系匹配时候，由于视角遮挡和分割缺失导致检测不完整，从而影响了关系描述，如何解决？

摘要：这是一个非常深刻且实际的问题！视角遮挡和分割缺失确实是基于空间关系匹配（无论是2D图像还是3D场景图）的最大挑战之一。不完整的关系描述会导致匹配歧义甚至匹配失败。解决这个问题的思路是多层次的，从关系表示的设计到匹配算法的鲁棒性，再到利用更高层次的上下文。核心思路：从阅读全文

posted @ 2025-10-29 06:09 MKT-porter 阅读(43) 评论(0) 推荐(0)

语义slam Kimera

摘要：好的，我们来详细解析 Kimera。这是一个在机器人领域非常有影响力的开源项目，它提供了一个完整、鲁棒且实时的空间感知系统。Kimera 的核心思想非常优雅：将 SLAM 的几何重建与语义理解紧密融合在一个统一的、轻量度的度量-语义（Metric-Semantic） 3D 地图中阅读全文

posted @ 2025-10-29 06:06 MKT-porter 阅读(66) 评论(0) 推荐(0)

语言-地图slam ConceptGraphs: Open-vocabulary 3D scene graphs for perception and planning,

摘要： ConceptGraphs: Open-vocabulary 3D scene graphs for perception and planning, 好的，ConceptGraphs 这篇论文与之前讨论的 HOV-SG 思想一脉相承，但它在具体实现方法和侧重点上有所不同，可以看作是在同一前阅读全文

posted @ 2025-10-29 05:46 MKT-porter 阅读(71) 评论(0) 推荐(0)

语言-地图搜索slam HOV-SG archical open-vocabulary 3D scene graphs for language-grounded robot navigation

摘要：好的，这篇论文（我们简称其为 HOV-SG）提出的是一个非常前沿和雄心勃勃的概念，它旨在解决机器人导航中的一个核心挑战：如何让机器人根据泛化的、开放词汇的人类语言指令（如“去拿放在客厅圆桌上的马克杯”）在未知环境中进行导航，而不是仅仅依赖于预先标注好的有限物体类别。其核心思想是构建一阅读全文

posted @ 2025-10-29 05:40 MKT-porter 阅读(50) 评论(0) 推荐(0)

语义slam Fusion++

摘要： 2. Fusion++的核心思想：范式转变 Fusion++彻底改变了游戏规则。它不再将世界看作一个统一的几何空间，而是将其看作由背景和多个独立的物体实例组成的集合。思想一：实例级表示 —— 为每个物体建立独立的“数字孪生” 这是最核心的创新。Fusion++为场景中检测到的每阅读全文

posted @ 2025-10-29 05:32 MKT-porter 阅读(22) 评论(0) 推荐(0)

特征提取器 PointNet++

摘要：好的，我们来详细解析 PointNet 的输入和输出。PointNet 是一个开创性的深度学习模型，其核心思想是直接处理无序的3D点云集合。一、 PointNet 的输入 PointNet 的输入非常直接和纯粹：一个 n×3的矩阵，代表一个点云。 n：点云中点的数量阅读全文

posted @ 2025-10-29 05:24 MKT-porter 阅读(73) 评论(0) 推荐(0)

点云配准 GeoTransformer

摘要：阅读全文

posted @ 2025-10-29 05:20 MKT-porter 阅读(15) 评论(0) 推荐(0)

点云配准 Deep closest point: Learning representations for point cloud registration,

摘要：阅读全文

posted @ 2025-10-29 05:14 MKT-porter 阅读(8) 评论(0) 推荐(0)

Fusion++ 语义实例分割与稠密SLAM重建在TSDF子图层面进行了深度融合

摘要： 3. Fusion++ 的完整工作流程步骤一：基于RGB-D帧的实例分割（每帧）输入每一帧RGB-D图像。使用2D实例分割网络（如Mask R-CNN）处理RGB图像。输出：一系列实例掩码（Instance Mask），每个掩码对应一个检测到的物体，并带有语义标签（如“cha 阅读全文

posted @ 2025-10-29 02:54 MKT-porter 阅读(39) 评论(0) 推荐(0)

2025年10月28日

FM-Fusion于视觉语言基础模型的实例感知语义映射

摘要： https://arxiv.org/html/2402.04555v2 关注点 1 在单个图像帧中，由于遮挡，RAM 生成的标签可能会遗漏一些物体。这些缺失的标签进一步导致 GroundingDINO 无法正确检测物体。这是在单个图像上运行基础模型的固有局限性。为了解决这个问题，我们将相邻帧中检测到阅读全文

posted @ 2025-10-28 20:29 MKT-porter 阅读(61) 评论(0) 推荐(0)

RT-DETR 百度目标检测 cvpr2023

摘要： https://github.com/lyuwenyu/RT-DETR https://docs.ultralytics.com/zh/models/rtdetr/#pre-trained-models 阅读全文

posted @ 2025-10-28 17:34 MKT-porter 阅读(10) 评论(0) 推荐(0)

寻路算法 A*

摘要： https://www.bilibili.com/video/BV1bv411y79P/?vd_source=f88ed35500cb30c7be9bbe418a5998ca https://www.redblobgames.com/ 四叉树四叉树阅读全文

posted @ 2025-10-28 06:28 MKT-porter 阅读(6) 评论(0) 推荐(0)

NWPU数据对比

摘要：阅读全文

posted @ 2025-10-28 05:08 MKT-porter 阅读(37) 评论(0) 推荐(0)