AI-woordenlijst
Het complete woordenboek van kunstmatige intelligentie
Extended Kalman Filter SLAM
Approche probabiliste basée sur le filtre de Kalman étendu pour estimer conjointement la pose du robot et la position des points de repère de l'environnement. EKF-SLAM maintient une matrice de covariance complète capturant les corrélations entre tous les éléments de la carte.
PTAM (Parallel Tracking and Mapping)
Pionnier du SLAM visuel en temps réel séparant explicitement le suivi rapide de la cartographie plus lente en deux threads parallèles. Cette architecture a influencé de nombreux systèmes SLAM modernes en permettant des performances temps réel sur matériel standard.
Keyframe Selection
Stratégie déterminant quelles images ou scans doivent être conservés dans la carte SLAM pour garantir une représentation efficace de l'environnement. Une bonne sélection de keyframes équilibre la couverture spatiale et la complexité computationnelle du système.
Dense SLAM
Approche SLAM visant à reconstruire une carte dense de l'environnement plutôt que des points de repère clairsemés, utilisant tous les pixels disponibles pour la modélisation. Les méthodes dense comme DTAM ou KinectFusion produisent des modèles 3D détaillés mais demandent plus de ressources computationnelles.
Place Recognition
Capacité du système SLAM à identifier des lieux précédemment visités en utilisant des descripteurs globaux de l'environnement comme FAB-MAP ou VLAD. Essentielle pour la détection de boucles et la construction de cartes multi-session cohérentes.
Direct SLAM
Méthode SLAM opérant directement sur les intensités des pixels sans extraction explicite de caractéristiques, comme dans LSD-SLAM ou DSO. Cette approche peut mieux gérer les surfaces peu texturées et offre une précision sub-pixelique dans l'estimation de pose.
Factor Graphs
Représentation mathématique du problème SLAM comme un graphe biparti où les variables de pose sont optimisées sous contraintes des facteurs de mesure. Cette formulation permet une modélisation flexible et efficace des différents types de capteurs et contraintes géométriques.
Semi-Direct SLAM
Approche hybride combinant les avantages des méthodes directes et basées sur caractéristiques, comme dans SVO (Semi-Direct Visual Odometry). Utilise des caractéristiques pour la robustesse tout en profitant de l'information photométrique pour une précision accrue.
Multi-Session SLAM
Extension du SLAM traditionnel permettant la fusion de cartes obtenues lors de sessions différentes, réalisant une cartographie collaborative ou temporellement distribuée. Requiert des stratégies avancées d'alignement et de fusion de cartes pour maintenir la consistance.