个人卖家: 使命而来
动态SLAM算法(基于目标检测和点线特征关联)
动态SLAM算法(基于目标检测和点线特征关联)
900.00
累计销量 0
累计评价 0
评分 ★★★★★
售卖方式详解

请登录后购买。

使用环境 在室内动态环境中,使用RGB-D相机进行视觉SLAM建图,适用于机器人导航、无人机巡检等场景。
使用对象 室内环境中的动态物体(移动的人、车辆等)和静态物体(家具、墙壁等)
使用目的 通过精准检测和剔除动态特征点,提高视觉SLAM系统在动态环境中的建图精度和位姿估计准确性。
输入数据 RGB-D图像帧,分辨率640×480像素。
输出数据 相机位姿、稠密点云地图、动态物体检测结果。
硬件配置 CPU:Intel(R) Core i7-12700H 2.30GHz;GPU:NVIDIA GeForce RTX 3070Ti Laptop;内存:8GB;操作系统:Ubuntu 20.04。
样本获取 在TUM数据集和Bonn数据集上进行实验,包含低动态和高动态场景的6组数据集。
测试结果 在TUM数据集上,LDF-SLAM的绝对轨迹误差的均方根误差(RMSE)相比ORB-SLAM3降低了44.5% - 95.9%;在Bonn数据集上,RMSE降低了18.18% - 98.99%。
执行速度 检测速度为19.1ms/次。
资源消耗 在上述硬件配置下,CPU平均占用率约70%,GPU平均占用率约80%,内存使用量约5GB。
源码类型 本算法有Python版本源码,使用售卖方式进行授权。
文件大小 算法程序文件约50K,权重文件约120M。
相关备注
动态SLAM算法(基于目标检测和点线特征关联) 动态SLAM算法(基于目标检测和点线特征关联) 动态SLAM算法(基于目标检测和点线特征关联)
买家 规格或版本 评分 评价 时间