基于 NVIDIA 加速的 cuVSLAM 的视觉 SLAM/行程计包
Isaac ROS Visual SLAM 提供了高性能、一流的 ROS 2 包，用于 VSLAM（视觉同步定位和建图）。此包使用一台或多台立体相机，可选地使用 IMU 来估算陀螺仪数据，作为导航的输入。它采用 GPU 加速，可在机器人应用中实时提供低延迟的结果。VSLAM 为移动机器人（地面机器人）提供了额外的陀螺仪数据源，并且可以成为无人机的主要陀螺仪数据源。
VSLAM 提供了一种用于视觉估计机器人相对于其起始位置的位置的方法,称为 VO(视觉测距)。这种方法特别适用于 GPS 不可用(如室内)或间歇性(如城市地点,有建筑物阻挡了对 GPS 卫星的视线)的环境。该方法旨在使用多个立体相机帧和 IMU(惯性测量单元)作为输入。它使用立体图像对来寻找匹配的关键点。利用相机对之间的基线,可以估计到关键点的距离。利用连续的图像, VSLAM 可以跟踪关键点的运动,从而估计相机的 3D 运动,然后用于计算导航输出的测距。与 VSLAM 的传统方法相比,该方法利用 GPU 加速技术,实时查找和匹配更多的关键点,并进行微调,以尽可能减少整体重投影误差。
关键点取决于图像中的特征,这些特征可以随着尺寸、方向、透视、照明和图像噪声的变化而重复检测。在某些情况下,关键点的数量可能有限或完全不存在;例如,如果相机的视场只看到了一个大型单色墙,则可能不会检测到任何关键点。如果存在不足
暂无开放 Issues，或尚未同步最近议题。