2019基于Deep Learning深度学习的各类SLAM论文算法汇总

我们总结了ICRA 2019 SLAM相关论文，分为四个部分：

• 深度学习+传统SLAM
• 传统的SLAM / 3D视觉
• 基于深度学习的SLAM
• SLAM评估和数据集

本文介绍：基于深度学习的SLAM

1.E2E-VO/ SLAM

GEN-SLAM：单目同时定位和映射的生成建模

关键词：SLAM，本地化，基于视觉的导航

超越自我监督自我运动估计的光度损失（深度学习，自我监督深度和里程表，参考GeoNet和SfmLearner）

关键词：SLAM，视觉学习，本地化

源码地址：https://github.com/hlzz/DeepMatchVO

通过几何意识课程学习学习单目视觉测距

关键词：本地化，视觉学习，机器人深度学习和自动化

GANVO：无监督深度单眼视觉测距和生成性对抗网络的深度估计

关键词：机器人深度学习与自动化，本地化，视觉跟踪

使用多个掩模进行单眼深度和自我运动的无监督学习

关键词：机器人深度学习与自动化，SLAM

2. E2E Navigation

（AWARD）变分端到端导航和本地化

关键词：机器人与自动化深度学习，交通计算机视觉，自主车辆导航

具有有限视野的复杂拥挤环境下的导航深度学习

关键词：机器人深度学习与自动化，避碰，服务机器人

通过仿真推广：将模拟和实际数据集成到基于视觉的自主飞行的深度强化学习中

关键词：机器人深度学习与自动化

源码地址：https://github.com/gkahn13/GtS

3.Feature & VPR

（AWARD）学习场景几何在挑战条件下进行视觉定位

关键词：本地化，RGB-D感知，其他机器人应用的计算机视觉

定位区域识别的判别性视觉标记

关键词：本地化，可视化导航，自动化计算机视觉

利用基于地标的图像表示改进关键点匹配

关键词：SLAM，本地化

基于CNN和手工制作的关键点描述符的比较

关键词：SLAM，基于视觉的导航，机器人深度学习和自动化

一种用于视觉位置识别的多域特征学习方法

关键词：本地化，SLAM，绩效评估和基准测试

基于检索的本地化的日常图像翻译

关键词：本地化，视觉学习，自主车辆导航

2D3D-MatchNet：学习匹配2D图像和3D点云的关键点

冯孟丹新加坡国立大学

关键词：机器人与自动化深度学习，视觉学习，本土化

看不深：使用单视图深度估计识别不同场景外观下相反视点的位置

关键词：本地化，机器人深度学习和自动化

多进程融合：使用多种图像处理方法的视觉位置识别 - IRAL

关键词：本地化，基于可视化的导航

4.Depth & Disparity

（AWARD）地理监督视觉深度预测

关键词：视觉学习，传感器融合

源码地址：https://github.com/feixh/GeoSup

FastDepth：嵌入式系统的快速单目深度估计

关键词：机器人和自动化深度学习，范围感知，其他机器人应用的计算机视觉

源码地址：https://github.com/dwofk/fast-depth

SuperDepth：自我监督，超分辨率单眼深度估计

关键词：机器人与自动化深度学习，视觉学习，Mappin

深度几何和上下文指导的深度完成

关键词：RGB-D感知，其他机器人应用的计算机视觉

自监督稀疏 - 密集：LiDAR和单目相机的自监督深度完成

关键词：视觉学习，RGB-D感知，传感器融合

源码地址：https://github.com/fangchangma/self-supervised-depth-completion

单视图深度和表面法线估计的自监督学习

关键词：机器人与自动化深度学习，视觉学习，制图

即插即用：通过稀疏数据传播改善深度预测

关键词：机器人与自动化深度学习，RGB-D感知，自动化计算机视觉

深度生成网络：从立体和深度图像估计真实世界深度

关键词：基于人工智能的方法，RGB-D感知，范围感知

任何时候移动设备上的立体图像深度估计

关键词：机器人与自动化深度学习，自动化计算机视觉，其他机器人应用的计算机视觉

源码地址:https://github.com/mileyan/AnyNet

UWStereoNet：用于水下立体图像深度估计和颜色校正的无监督学习

关键词：海洋机器人，机器人和自动化深度学习，其他机器人应用的计算机视觉

基于非对称注释的实时联合语义分割和深度估计

关键词：视觉学习，语义场景理解，SLAM

源码地址：https://github.com/DrSleep/multi-task-refinenet

DSNet：用于场景分割和视差估计的联合学习

关键词：语义场景理解，机器人和自动化中的深度学习，对象检测，分割和分类

SweepNet：宽基线全向深度估计

关键词：全方位视觉，自动化计算机视觉，机器人深度学习和自动化

一种预测深度图像噪声的监督方法

关键词：RGB-D感知，掌握和操纵感知，机器人深度学习和自动化

5. Point Cloud Segmentation

SqueezeSegV2：改进的模型结构和无监督的域适应，用于从LiDAR点云进行道路 - 物体分割

关键词：对象检测，分割和分类，语义场景理解，基于AI的方法

源码地址：

https://github.com/BichenWuUCB/SqueezeSeg

https://github.com/xuanyuzhou98/SqueezeSegV2

用于点云三维语义分割的分层深度图卷积神经网络

关键词：语义场景理解，基于AI的方法，RGB-D感知

6. Autonomous Vehicle

学习从没有真实世界标签的模拟开车

关键词：机器人与自动化深度学习，视觉学习，示范学习

学会开车一天

关键词：基于人工智能的方法，机器人和自动化中的深度学习，运输的计算机视觉

在六个月内建立一辆获胜的自动驾驶汽车

关键词：自主车辆导航，智能交通系统，交通计算机视觉

用于汽车转向预测的端到端网络中的多模态时空信息

关键词：自主车辆导航，机器人深度学习与自动化，视觉学习

基于卷积变分编码器 - 解码器网络的单目语义占用网格映射 - IRAL

关键词：语义场景理解，目标检测，分割和分类，运输计算机视觉

关注微信公众号：“图像算法”或者微信搜索imalg_cn 可获取更多有用资源