Diría que los trabajos de código abierto de Jakob Engel (LSD-SLAM y trabajo de seguimiento) y Raul Mur-Artal (línea de trabajo ORB-SLAM) son prácticamente lo último en lo que puedes hacer en dispositivos móviles dispositivos de hoy.
Lo único que falta en estas dos tuberías es la integración de inercia (IMU) de alta calidad, que lleva el rendimiento de su localización al siguiente nivel. Para eso, el oleoducto OK-VIS de Stefan Leutenegger se encuentra entre los más modernos. Ese es el ingrediente mágico en todo, desde Project Tango hasta Microsoft Hololens.
La gente también ha realizado mapas densos con cámaras monoculares, comenzando con el trabajo DTAM de Richard Newcombe, pero esos métodos aún son pesados y necesitan GPU robustas que no puedes tener en dispositivos móviles para funcionar. Si bien la densidad es difícil de obtener, las tuberías LSD-SLAM y ORB-SLAM pueden brindarle reconstrucciones “semi-densas” en tiempo real en dispositivos móviles (de todos modos, en dispositivos móviles de gama alta).
- ¿Cuáles son algunas formas de evitar la maldición de la dimensionalidad?
- ¿Qué curso se sugiere para el aprendizaje automático que sea más un curso basado en proyectos?
- ¿Dónde puedo encontrar un conjunto de datos satelitales espaciales?
- ¿Hay alguna manera de extraer la función subyacente de una red neuronal entrenada?
- ¿Cuándo y dónde se usaron por primera vez los términos 'aprendizaje profundo', 'aprendizaje automático', 'ciencia de datos'?
En cualquier caso, es imposible reemplazar la información real del sensor con el procesamiento algorítmico. ¡Así que RGB-D siempre producirá resultados superiores (precisión wrt) a RGB, y el estéreo siempre será superior al monocular!