镜像社区
部署GPU实例
文档中心
常见问题(FAQ)
深度学习
其他
SF_Loc
SF-Loc应该算是DBA-Fusion(RAL2024)的改进版。 在image+IMU的基础上额外加了map-aided localization.而所谓的map属于priori map,是由稀疏帧(每帧为稠密的深度)来组成的。而要实现map-aided localization,就需要分别解决mapping以及re-localization的两个问题。
0/小时
v1.0

SF-Loc镜像使用教程

SF-Loc应该算是DBA-Fusion(RAL2024)的改进版。

在image+IMU的基础上额外加了map-aided localization.而所谓的map属于priori map,是由稀疏帧(每帧为稠密的深度)来组成的。而要实现map-aided localization,就需要分别解决mapping以及re-localization的两个问题。

针对mapping,需要考虑的则是建图的效率,地图单元的精度以及存储消耗。通过co-visbility等来保证map的稀疏性,通过紧凑的地图表征,使得每公里的map size降低为3 MB. 至于re-localization,首先其是与地图的表征方式紧耦合的,高的回调率(recall)以及高精度就意味着mapping记录的地图信息需要更仔细。

作者提出了“visual-structure-frame map representation”它由geo-tagged image frame,compressed RGB map以及full-view depth map组成。 同时通过coarse-to-fine map-aided localization方法,通过集合了基于深度学习的位置识别,局部特征匹配以及时空信息关联。

详细使用教程

https://hermit.blog.csdn.net/article/details/145682140

镜像信息
@敢敢のwings
已使用
0
镜像大小70GB
最近编辑2025-02-18
支持卡型
RTX40系3080Ti48G RTX40系30902080
+5
框架版本
PyTorch-CUDA-12.4
CUDA版本
12.4
应用
JupyterLab: 8888
版本
v1.0
2025-07-03
PyTorch:CUDA-12.4 | CUDA:12.4 | 大小:70.00GB
优云智算 | SF_Loc一键部署