수식이 틀어지는 경우, 수식에 우클릭을 하고 math setting -> math renderer -> SVG를 선택 바랍니다.Semantic SLAMSemantic SLAM은 semantic-level의 scene understanding이 가능하다는 점에서 이전의 방법들과 차이가 있다.특히 고수준의 이해를 해야 하는 로봇이나 자율주행 task가 우리의 삶과 가까워질수록 더 중요해지고 있다. 아래 동영상은 visual SLAM을 연구하시는 장형기 님이 모두콘 2022에서 발표하신 Spatial AI에 대한 강연이다.SLAM이 앞으로 발전해야 할 방향을 알기 쉽게 정리해 주셨다.뭔가 이번 논문을 읽기에 앞서 시청하면 좋은 자료랄까.모두콘 2022 장형기님 강연SemanticLoop: Loop Closur..

Don't Hit Me 개인 연구와 관련된 논문을 조사하던 중 발견했으며 흥미로운 주제를 가지고 문제를 풀어나간다. 오직 한 장의 RGB이미지를 가지고 어떻게 유리를 검출해 낼 수 있을지 궁금했다. 여기서 쓰인 contexture information을 개인 연구에 적용할 수 있겠다고 생각했다. 깃헙은 아래 있다. Issue를 살펴보니 custom dataset의 경우 성능이 좋게 나오지 않나보다. 좋은 결과가 아니니 그냥 스윽~ 훑어보자 GitHub - Mhaiyang/CVPR2020_GDNet Contribute to Mhaiyang/CVPR2020_GDNet development by creating an account on GitHub. github.com 0. Abstract 목표 : 한 장의 ..

Khronos Khronos: A Unified Approach for Spatio-Temporal Metric-Semantic SLAM in Dynamic Environments Perceiving and understanding highly dynamic and changing environments is a crucial capability for robot autonomy. While large strides have been made towards developing dynamic SLAM approaches that estimate the robot pose accurately, a lesser emphasis has b arxiv.org GitHub - MIT-SPARK/Khronos: Sp..

SP-SLAM SP-SLAM의 source code는 아래 github에 공개되어 있습니다. https://github.com/hxxmin/SP-SLAM GitHub - hxxmin/SP-SLAM: SP-SLAM: Surface-Point Simultaneous Localization and Mapping SP-SLAM: Surface-Point Simultaneous Localization and Mapping - hxxmin/SP-SLAM github.com 논문의 출처는 다음과 같습니다. https://ieeexplore.ieee.org/document/9591241 나중에 다시 보기 위해 작성한 글입니다. 혹시라도 잘못된 내용이 있다면 댓글 남겨주시면 감사하겠습니다 : ) 1. Introducti..

YOLOv9 YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information Chien-Yao Wang, I-Hau Yeh and Hong-Yuan Mark Liao GitHub - WongKinYiu/yolov9: Implementation of paper - YOLOv9: Learning What You Want to Learn Using Programmable Gradient Inform Implementation of paper - YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information - WongKinYiu/yolov9 github..

GVINS? 최근 실외 자율주행을 연구하기로 결심하면서 장시간 실외 주행에서도 강인함을 보여주는 SLAM알고리즘을 탐색했다. 실외 자율주행에서 Visual-Inertial SLAM은 어려운 도전과제이다. 특히 대표적인 단점으로는 long-term 주행 시 누적되는 drift가 상당하다는 점이다. 이를 해결하기 위해서 GNSS 메세지를 수신받아 fusion 하여 trajectory의 정밀도를 올려준다. 논문의 정확한 이름은 Tightly Coupled GNSS-Visual-Inertial Fusion for Smooth and Consistent State Estimation이다. GVINS: Tightly Coupled GNSS–Visual–Inertial Fusion for Smooth and Cons..