<code id="kwfd7"><dd id="kwfd7"></dd></code>
<th id="kwfd7"></th>
  • <code id="kwfd7"><menu id="kwfd7"></menu></code>
    <th id="kwfd7"><address id="kwfd7"></address></th>

    <optgroup id="kwfd7"><xmp id="kwfd7">
  • <code id="kwfd7"><thead id="kwfd7"></thead></code>

        <code id="kwfd7"></code>

        SLAM研究的新進展:從多視點幾何計算到在線學習

        發布者:計算機信息發布時間:2020-01-15瀏覽次數:13

        報告題目:SLAM研究的新進展:從多視點幾何計算到在線學習

        報 告 人:查紅彬 教授

        單   位:北京大學

        報告時間:20201月17日(周五)上午10:00

        報告地點:翡翠科教A座第五會議室


        報告人簡介:

           查紅彬,北京大學信息科學技術學院智能科學系教授,機器感知與智能教育部重點實驗室主任。

           主要從事計算機視覺與智能人機交互的研究,在三維視覺幾何計算、三維重建與環境幾何建模、三維物體識別等方面取得了一系列成果。出版學術期刊及國際會議論文300多篇,其中包括IEEE T- PAMI,IJCV, IEEE T-VCG, IEEE T-RA, IEEE T-SMC,ACM T-IST, JMLR, PR 等國際期刊以及ICCV, ECCV, CVPR, CHI, ICML, AAAI,ICRA等國際學術會議論文90余篇。


        報告簡介:

           近年來,隨著自動駕駛、機器人導航與移動終端傳感計算等應用的快速發展,SLAM(Simultaneous Localization and Mapping:即時定位與地圖構建)技術再度成為計算機視覺與虛擬現實領域的研究熱點。傳統的SLAM技術充分利用多視點幾何與SfM(Structure from Motion)等領域的高效算法,并通過與深度傳感器、慣性傳感器等下一代傳感設備的數據融合,在傳感器軌跡計算精度與三維場景重建質量方面取得了顯著的進步。但在實際應用中,仍存在重建誤差積累嚴重、計算成本高昂等問題,影響了機器系統的在線響應速度以及對復雜環境的自適應能力。針對這些問題,我們應最大限度地利用傳感數據的時空一致性與三維地圖的幾何不變性,在現有多視點幾何計算的基礎上,強化SLAM算法的系統性與泛化能力,進一步改善其基本性能。該報告的主要內容包括:(1)引入數據流計算的基本概念,充分挖掘密集采樣傳感數據內在的時空連續性,以加強SLAM算法的預測能力;(2)構建基于時域變化的增量算法,并利用地圖全局特征的約束以及傳感數據的實時反饋作用,實現傳感器軌跡的高效計算與三維地圖的遞進式構建;(3)嘗試各類機器學習算法在SLAM問題中的應用,以探討建立自監督SLAM在線學習技術的新途徑。


        国民彩票在线登录app