Глоссарий ИИ
Полный словарь искусственного интеллекта
Extended Kalman Filter SLAM
Вероятностный подход на основе расширенного фильтра Калмана для совместной оценки позы робота и положения ориентиров в окружающей среде. EKF-SLAM поддерживает полную ковариационную матрицу, отражающую корреляции между всеми элементами карты.
PTAM (Parallel Tracking and Mapping)
Пионерский подход к визуальному SLAM в реальном времени, явно разделяющий быстрое отслеживание и более медленное построение карты на два параллельных потока. Эта архитектура повлияла на многие современные системы SLAM, позволяя достигать производительности в реальном времени на стандартном оборудовании.
Keyframe Selection
Стратегия, определяющая, какие изображения или сканы следует сохранять в карте SLAM для обеспечения эффективного представления окружающей среды. Правильный выбор ключевых кадров балансирует между пространственным покрытием и вычислительной сложностью системы.
Dense SLAM
Подход SLAM, направленный на построение плотной карты окружающей среды вместо разреженных ориентиров, использующий все доступные пиксели для моделирования. Плотные методы, такие как DTAM или KinectFusion, создают детализированные 3D-модели, но требуют больше вычислительных ресурсов.
Place Recognition
Способность системы SLAM определять ранее посещенные места с использованием глобальных дескрипторов окружающей среды, таких как FAB-MAP или VLAD. Необходима для обнаружения петель и построения согласованных карт для нескольких сессий.
Direct SLAM
Метод SLAM, работающий напрямую с интенсивностями пикселей без явного извлечения признаков, как в LSD-SLAM или DSO. Этот подход может лучше работать с поверхностями, бедными на текстуру, и обеспечивает субпиксельную точность в оценке позы.
Factor Graphs
Математическое представление задачи SLAM в виде двудольного графа, где переменные позы оптимизируются с учётом ограничений от факторов измерений. Эта формулировка позволяет гибко и эффективно моделировать различные типы датчиков и геометрические ограничения.
Semi-Direct SLAM
Гибридный подход, сочетающий преимущества прямых методов и методов на основе признаков, как в SVO (Semi-Direct Visual Odometry). Использует признаки для надёжности, одновременно используя фотометрическую информацию для повышения точности.
Многосессионный SLAM
Расширение традиционного SLAM, позволяющее объединять карты, полученные в разных сеансах, реализуя совместное или распределенное во времени картирование. Требует продвинутых стратегий выравнивания и объединения карт для поддержания согласованности.