「AI新青年講座」將邀請(qǐng)世界頂尖AI研究機(jī)構(gòu)和大學(xué)的科研新青年，主講他們?cè)谟?jì)算機(jī)視覺、機(jī)器學(xué)習(xí)等人工智能領(lǐng)域的最新重要研究成果。

AI新青年是加速人工智能前沿研究的新生力量。AI新青年的視頻講解和直播答疑，將可以幫助大家增進(jìn)對(duì)人工智能前沿研究的理解，相應(yīng)領(lǐng)域的專業(yè)知識(shí)也能夠得以積累加深。同時(shí)，通過與AI新青年的直接交流，大家在AI學(xué)習(xí)和應(yīng)用AI的過程中遇到的問題，也能夠盡快解決。

有興趣分享學(xué)術(shù)成果的朋友，可以與智東西公開課教研團(tuán)隊(duì)進(jìn)行郵件（class@zhidx.com）聯(lián)系。

視覺SLAM技術(shù)在自動(dòng)機(jī)器人和增強(qiáng)現(xiàn)實(shí)中扮演了很重要的角色，而在大量的SLAM應(yīng)用中都使用單目相機(jī)在室內(nèi)場(chǎng)景中運(yùn)行。但室內(nèi)場(chǎng)景中經(jīng)常缺失紋理表面，并且分布著不規(guī)則的特征，尤其是低紋理的墻面、地板以及天花板，在最先進(jìn)的特征點(diǎn)法或者直接法SLAM中都難解決。

基于學(xué)習(xí)和環(huán)境結(jié)構(gòu)約束等信息都對(duì)于室內(nèi)SLAM系統(tǒng)精度和效率有著重大影響。針對(duì)室內(nèi)SLAM的定位、建圖和場(chǎng)景理解，來自慕尼黑工業(yè)大學(xué)的在讀博士李言等人提出一種用于室內(nèi)場(chǎng)景的密集準(zhǔn)確度-魯棒-高效-語義SLAM系統(tǒng)。該系統(tǒng)利用 RGB-D/Stereo/Monocular 和 IMU 等不同的傳感器。 受益于室內(nèi)環(huán)境的共同特征和新的優(yōu)化策略之間的約束，李博等人追求達(dá)到高水平的準(zhǔn)確性。

同時(shí)，基于估計(jì)的相機(jī)姿勢(shì)獲得密集的重建圖雖然很便宜，但如何讓地圖更輕、質(zhì)量更高又是另外一個(gè)問題。

為了解決這個(gè)問題，李言博士等人將深度神經(jīng)網(wǎng)絡(luò)中的SOTA方法與基于幾何的 SLAM 系統(tǒng)相結(jié)合，提出了許多優(yōu)秀的成果。比如提出了針對(duì)室內(nèi)場(chǎng)景的低漂移單目SLAM方法-Structure-SLAM。該方法將跟蹤過程的旋轉(zhuǎn)和平移估計(jì)解耦，可以有效減少室內(nèi)環(huán)境中的長(zhǎng)期漂移問題。為了改善相機(jī)姿態(tài)優(yōu)化的效率和準(zhǔn)確性，提出了用于立體 SLAM 和視覺慣性測(cè)距的共平面參數(shù)化方法。同時(shí)，利用室內(nèi)場(chǎng)景的結(jié)構(gòu)規(guī)律性，為RGB-D傳感器構(gòu)建了可以在CPU上提供了準(zhǔn)確的姿態(tài)估計(jì)和緊湊網(wǎng)格的SLAM架構(gòu)等。

7月15日晚7點(diǎn)30，「AI新青年講座」第137講，邀請(qǐng)到慕尼黑工業(yè)大學(xué)在讀博士李言參與，主講《基于SLAM的室內(nèi)定位、建圖及場(chǎng)景理解》。

講者

李言，慕尼黑工業(yè)大學(xué)在讀博士，研究方向?yàn)椴煌瑐鞲衅鞯亩ㄎ?、建圖和場(chǎng)景理解，在IROS、ICRA、RA-L、ECCV等會(huì)議和期刊上發(fā)表多篇學(xué)術(shù)論文。

主題

《基于SLAM的室內(nèi)定位、建圖及場(chǎng)景理解》

提綱

1、室內(nèi)SLAM系統(tǒng)精度和效率的影響分析
2、基于不同傳感器的室內(nèi)SLAM定位系統(tǒng)構(gòu)建
3、CPU上的室內(nèi)稠密重建與立體匹配方法
4、新型無漂移旋轉(zhuǎn)估計(jì)的RGB-D SLAM

直播信息

直播時(shí)間：7月15日19:30
直播地點(diǎn)：智東西公開課知識(shí)店鋪

論文成果

標(biāo)題：《Structure-SLAM: Low-Drift Monocular SLAM in Indoor Environments》
鏈接：https://arxiv.org/pdf/2008.01963.pdf

標(biāo)題：《RGB-D SLAM with Structural Regularities》
鏈接：https://arxiv.org/pdf/2010.07997.pdf

標(biāo)題：《Co-Planar Parametrization for Stereo-SLAM and Visual-Inertial Odometry》
鏈接：https://arxiv.org/pdf/2009.12662.pdf

標(biāo)題：《ManhattanSLAM: Robust Planar Tracking and Mapping Leveraging Mixture of Manhattan Frames》
鏈接：https://arxiv.org/pdf/2103.15068.pdf

標(biāo)題：《SRH-Net: Stacked Recurrent Hourglass Network for Stereo Matching》
鏈接：https://arxiv.org/pdf/2105.11587.pdf%22

標(biāo)題：《Semantic Dense Reconstruction with Consistent Scene Segments》
鏈接：https://arxiv.org/pdf/2109.14821.pdf