深度学习模型轻量化与端侧部署优化
广东省惠州市惠城区
0.0
0.0
惠州市
惠城区
传感器(视频/激光)等进行SLAM建模,手持慢速可以满足需求,但是对于大范围的,例如使用无人机,车载设备等,尤其是车载设备在运行中需要一定车速,并且路上经常会有颠簸,对大面积的基础设施建模与大场地复杂环境,通过车载传感器的方式可以快速进行大面积高精度建模。可以大大提高传统建模的速度与效率。1.不限传感器 2.需要一定的成本考量 3.实现方式最好是算法上的而不是原生传感器上解决的 4.对于运算速度,模型生成不要求实时性,达到一个较为理想的精度(鲁棒性) 5.车载并不链接车辆信息,可以通过运动传感器,陀螺仪等设备设施实现运动状态检测。(可以理解为在ROS上实现视觉惯导)。1.实现可靠可商用直接使用的建模方案。1.低成本 例如双目摄像头之类的视觉方案 2.整体优化包括性能优化 1.通过SLAM十四讲与开源方案进行过测试,例如常见的特征点法,直接法,位姿优化等。 2.HectorSLAM,Gmapping,KartoSLAM,CoreSLAM和LagoSLAM等ros常用方案 以及google开源的cartographer 3.无法投入商用,模型需要大量的人工校队审核。
广东省
0
深度学习模型轻量化与端侧部署优化
报名者(0)