特徵偵測加快SLAM 執行 定向FAST/旋轉BRIEF強化機器人視覺(1)

智慧邊緣裝置的訊號處理,和人工智慧(AI)推論會互相影響。感測可能需要密集運算,為推論篩選最重要的資料。同步定位與地圖構建(SLAM)的演算法是一種導航類型,在感測階段執行複雜影像處理以偵測特徵。這些演算法即時執行,必須快速執行特徵偵測。業界於2011年提出定向FAST和旋轉BRIEF,是其中能快速偵測特徵的演算法。不過,受到成本與功耗限制,基礎硬體必須具備高效率,軟體也須經過最佳化,讓軟/硬體應易於使用,以提升開發人員的工作效率。...
2024 年 04 月 01 日

特徵偵測加快SLAM 執行 定向FAST/旋轉BRIEF強化機器人視覺(2)

定向FAST/旋轉BRIEF提升特徵偵測速度 (承前文)整體而言,SURF的運算要求低於SIFT。更有效率的方法則是定向FAST和旋轉BRIEF(ORB)。根據定向FAST和旋轉BRIEF的提出者,此新演算法速度比SURF快14倍,即比SIFT快24倍;而且效能也很不錯,有時甚至表現更好。在特徵偵測上,ORB採用邊角偵測演算法與FAST(加速分割測試的特徵)。...
2024 年 04 月 01 日