Glossário IA
O dicionário completo da Inteligência Artificial
SLAM com Filtro de Kalman Estendido
Abordagem probabilística baseada no filtro de Kalman estendido para estimar conjuntamente a pose do robô e a posição dos pontos de referência do ambiente. O EKF-SLAM mantém uma matriz de covariância completa capturando as correlações entre todos os elementos do mapa.
PTAM (Rastreamento e Mapeamento Paralelo)
Pioneiro do SLAM visual em tempo real que separa explicitamente o rastreamento rápido do mapeamento mais lento em duas threads paralelas. Esta arquitetura influenciou muitos sistemas SLAM modernos, permitindo desempenho em tempo real em hardware padrão.
Seleção de Keyframes
Estratégia que determina quais imagens ou varreduras devem ser mantidas no mapa SLAM para garantir uma representação eficiente do ambiente. Uma boa seleção de keyframes equilibra a cobertura espacial e a complexidade computacional do sistema.
SLAM Denso
Abordagem SLAM que visa reconstruir um mapa denso do ambiente, em vez de pontos de referência esparsos, utilizando todos os pixels disponíveis para a modelagem. Métodos densos como DTAM ou KinectFusion produzem modelos 3D detalhados, mas exigem mais recursos computacionais.
Reconhecimento de Lugar
Capacidade do sistema SLAM de identificar locais visitados anteriormente usando descritores globais do ambiente, como FAB-MAP ou VLAD. Essencial para a detecção de loop closure e a construção de mapas multi-sessão coerentes.
SLAM Direto
Método SLAM que opera diretamente nas intensidades dos pixels sem extração explícita de características, como no LSD-SLAM ou DSO. Esta abordagem pode lidar melhor com superfícies pouco texturizadas e oferece precisão subpixel na estimativa de pose.
Grafos Fatoriais
Representação matemática do problema SLAM como um grafo bipartido onde as variáveis de pose são otimizadas sob as restrições dos fatores de medição. Esta formulação permite uma modelagem flexível e eficiente de diferentes tipos de sensores e restrições geométricas.
SLAM Semidireto
Abordagem híbrida que combina as vantagens dos métodos diretos e baseados em características, como no SVO (Semi-Direct Visual Odometry). Utiliza características para robustez enquanto aproveita a informação fotométrica para maior precisão.
SLAM Multi-Sessões
Extensão do SLAM tradicional que permite a fusão de mapas obtidos em sessões diferentes, realizando um mapeamento colaborativo ou distribuído temporalmente. Requer estratégias avançadas de alinhamento e fusão de mapas para manter a consistência.