本文介绍了视觉里程计（Visual Odometry, VO）在计算机视觉和人工智能领域的研究现状，强调了它在机器人定位与导航中的重要性。随着技术发展，视觉里程计从最初的特征点和光流方法演变为融合多传感器数据的VIO系统，提高了定位精度。国外研究主要集中在特征点方法和光流法，而国内则在鲁棒性和实时性上有所突破。未来，视觉里程计将继续与深度学习和多传感器融合技术结合，推动智能机器人技术的发展。"
96315697,8339232,跨域获取实时用户数据,"['前端开发', '用户认证', '数据交互', 'HTTP Cookie']
=====================================================
github：https://github.com/MichaelBeechan
CSDN：https://blog.csdn.net/u011344545
=====================================================
研究背景及意义
- 21世纪是计算机视觉（Computer Vision，CV）和人工智能（Artificial Intelligence，AI）快速兴起的时代。随着AlphaGo击败人类职业围棋选手[1]、扫地机器人以及波士顿动力公司开发的各种机器人的出现，机器人、人工智能、神经网络等不再是陌生的词汇。机器人是机械与智慧的完美结合，由于其广泛应用，渐渐成为人类生活的重要组成部分。未来，机器人产业将引领潮流，成为影响国家综合国力、现代高科技战争及青少年教育的重要因素。机器人是一种将计算机技术、传感器技术、微电子技术、自动化控制、通讯技术以及数学等学科融为一体的智能产物，其应用领域在不断拓展，并且吸引了大量的投资商[2]。
- 智能移动机器人技术的迅速发展，使得人类开始致力于机器人的实际场景应用：从室内的扫地机器人、AR、VR再到室外（野外）的无人驾驶汽车、无人机、水下环境监测（探测）机器人等，均得到了广泛的关注。不管是室内还是室外机器人的研究都会碰到一个
订阅专栏 解锁全文
扫一扫
586
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
