论文地址：https://arxiv.org/abs/2004.12730 代码：https://github.com/yanmin-wu/EAO-SLAM.git 来源：东北大学 论文名称：EAO-SLAM: Monocular Semi-Dense Object SLAM Based on Ensemble Data Association 原文作者：Yanmin Wu
在语义SLAM中，目标检测数据关联和位姿估计是最基本的问题，但由于缺乏可靠、准确的算法，这些问题一直没有得到解决。本文中，我们提出一个集成的数据关联策略，来整合参数和非参数统计测试。利用不同统计数据的性质，我们的方法可以有效地融合不同测量数据的信息，从而显著提高数据关联处理的鲁棒性和准确性。在此基础上本文提出了一个精确的目标位姿估计框架，其中包含了，一个对异常值鲁棒的基于中心点和尺度鲁棒的位姿估计算法，一个目标位姿初始化算法，用于改善算法得到最优的位姿估计结果。此外，本文构建了一个SLAM系统，使用一个单目相机可以生成半稠密的和轻量级的面向对象的地图。在三个公开的数据集和一个真实场景中进行测试，实验结果表明，本文的方法在准确性和鲁棒性方面明显优于最先进的技术。
下面是论文具体框架结构以及实验结果：
人工智能，每日面试题：
“过拟合”只在监督学习中出现，在非监督学习中，没有“过拟合”，这是：
A.对的
B.错的
每日面试题，答案：
号主答案：B
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权联系删除。
