追着幸福跑|新赛事 AI研习社×INDEMIND 视觉SLAM挑战赛


计算机视觉可以分为两大方向:基于学习的方法和基于几何的方法 。 其中基于学习的方法最火的就是深度学习 , 而基于几何方法最火的就是视觉SLAM 。 相较于激光SLAM , 视觉SLAM可研究空间较大 , 是当前研究热点之一 。
本次视觉SLAM比赛由AI研习社和INDEMIND联合举办 , 数据集使用双目视觉惯性模组采集 。 本数据集分为两个部分 。 easy和mid , 分别代表简单和中等难度 , 适应不同的同学进行实践 。 了解更多关于比赛难点、建议 , 可以扫码或点击右侧链接观看赛前动员公开课
追着幸福跑|新赛事 AI研习社×INDEMIND 视觉SLAM挑战赛
本文插图

提供rosbag数据和ground truth
其中rosbag可用话题为三个:
/cam0/image_raw 左相机 频率 25hz
/cam1/image_raw 右相机 频率 25hz
/imu0 imu信息 , 频率 200hz
追着幸福跑|新赛事 AI研习社×INDEMIND 视觉SLAM挑战赛
本文插图

使用Tum的数据集格式 , 共8列 , 分别为pose(x , y , z)q(x , y , z, w)
追着幸福跑|新赛事 AI研习社×INDEMIND 视觉SLAM挑战赛
本文插图

ATE:Absolute Trajectory Error 绝对轨迹误差(如EVO具中ape算法)
绝对轨迹误差是估计位姿和真实位姿的直接差值 , 可以常直观地反应算法精度和轨迹全局致性 。

追着幸福跑|新赛事 AI研习社×INDEMIND 视觉SLAM挑战赛
本文插图
追着幸福跑|新赛事 AI研习社×INDEMIND 视觉SLAM挑战赛
本文插图

【追着幸福跑|新赛事 AI研习社×INDEMIND 视觉SLAM挑战赛】


    推荐阅读