Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Imaging Modalities in Inflammatory Breast Cancer (IBC) Diagnosis: A Computer-Aided Diagnosis System Using Bilateral Mammography Images.

Sensors (Basel, Switzerland)·2023
查看所有相关文章

相关实验视频

Updated: Jan 18, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.0K

MINI-DROID-SLAM:使用MINI-GRU RNN网络改进单眼视觉SLAM

Ismaiel Albukhari1, Ahmed El-Sayed2, Mohammad Alshibli3

  • 1Department of Computer Science and Engineering, University of Bridgeport, Bridgeport, CT 06604, USA.

Sensors (Basel, Switzerland)
|September 13, 2025
PubMed
概括

本研究介绍了MINI-DROID-SLAM,这是一个深度学习系统,增强了单眼视觉SLAM. 它通过使用Mini-GRU (门式反复单元) 来实现更好的摄像头定位,从而实现了更好的稳定性和效率.

关键词:
捆绑调整 捆绑调整会议小组 会议小组机器人 - 斯拉姆鱼深度学习 (Deep Learning) 是一种深度学习.迷你GRU是一个迷你GRU.单眼的SLAM-单眼的SLAM是什么意思斯拉姆斯兰姆斯兰姆斯兰姆斯兰姆斯兰姆斯兰姆斯兰姆斯兰姆斯兰姆斯视觉-SLAM是一种语言.

更多相关视频

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

736
Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction
06:19

Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction

Published on: August 16, 2024

829

相关实验视频

Last Updated: Jan 18, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.0K
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

736
Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction
06:19

Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction

Published on: August 16, 2024

829

科学领域:

  • 机器人技术 机器人技术 机器人技术
  • 计算机视觉 计算机视觉
  • 人工智能的人工智能

背景情况:

  • 视觉测距和SLAM (同时定位和映射) 是有前途的,但面临着实时挑战.
  • 现有的方法在动态环境中难以实现复杂性和兼容性.
  • 在某些应用中,LiDAR和3D传感器具有局限性.

研究的目的:

  • 为单眼视觉SLAM提供一个增强的基于深度学习的SLAM系统.
  • 为了提高摄像头位置估计的稳定性和效率.
  • 与现有的SLAM网络相比,以减少计算复杂性和处理时间.

主要方法:

  • 在深度学习框架内使用了Mini-GRU (门式循环单元).
  • 实现了像素智能深度映射和捆绑调整 (BA) 来进行姿势估计.
  • 在TartanAir数据集中的单眼相机图像上训练模型,使用单个GPU.

主要成果:

  • MINI-DROID-SLAM在强度和持续的摄像头位置代方面表现出显著的改进.
  • 与原来的DROID-SLAM相比,拟议的架构减少了计算复杂性和时间.
  • 使用绝对轨迹误差 (ATE) 的评估证实了高性能和稳定性.

结论:

  • 对于单眼视觉SLAM,MINI-DROID-SLAM系统提供了一个更高效,更强大的解决方案.
  • 深度学习与Mini-GRU集成增强了SLAM性能.
  • 该系统为实时视觉定位任务提供了一个可行的替代方案.