典型文献
基于深度学习的视觉里程计方法综述
文献摘要：
视觉里程计(visual odometry,VO)是处理搭载视觉传感器的移动设备定位问题的一种常用方法,在自动驾驶、移动机器人、AR/VR等领域得到了广泛应用.与传统基于模型的方法相比,基于深度学习的方法可在不需显式计算的情况下从数据中学习高效且鲁棒的特征表达,从而提升其对于光照变化、少纹理等挑战性场景的鲁棒性.简略回顾了基于模型的视觉里程计方法,从监督学习方法、无监督学习方法、模型与学习融合方法、常用数据集、评价指标、模型法与深度学习方法对比分析六个方面全面介绍了基于深度学习的视觉里程计方法.指出了基于深度学习视觉里程计仍存在的问题和未来的发展趋势.
文献关键词：
视觉里程计;深度学习;位姿估计;V-SLAM
中图分类号：
作者姓名：
职恒辉;尹晨阳;李慧斌
作者机构：
西安交通大学 数学与统计学院,西安 710049
文献出处：
引用格式：
[1]职恒辉;尹晨阳;李慧斌-.基于深度学习的视觉里程计方法综述)[J].计算机工程与应用,2022(20):1-15
A类：
B类：
视觉里程计,方法综述,visual,odometry,VO,搭载,视觉传感器,移动设备,定位问题,常用方法,自动驾驶,移动机器人,VR,基于模型的方法,显式,特征表达,简略,无监督学习,融合方法,模型法,深度学习方法,方法对比,位姿估计,SLAM
AB值：
0.349637
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
