论文地址：http://arxiv.org/pdf/1910.01122v2.pdf 代码：https://github.com/xdspacelab/openvslam 来源：日本名古屋大学 论文名称：OpenVSLAM: A Versatile Visual SLAM Framework 原文作者：Shinya Sumikura

在这个项目中，我们视觉SLAM系统对于AR设备、机器人和无人机的自主控制等都是必不可少的。然而，传统的开源可视化SLAM框架的设计并不适合作为供第三方程序调用的库。为了克服这种情况，我们开发了开发了一个具有高可用性和可扩展性的可视化SLAM框架OpenVSLAM。该软件易用于各种应用场景的视觉SLAM。它为研究和开发整合了几个有用的功能。本文利用基准数据集对其进行了定量的性能评估。此外，还介绍了使用fsheye和equirectangular相机模型进行视觉SLAM的实验结果。我们将持续维护这个模型框架，以进一步支持计算机视觉和机器人领域发展。

下面是论文具体框架结构以及实验结果：

人工智能，每日面试题：

如何解决，回归模型中存在多重共线性问题：

1.去除这两个共线性变量

2.我们可以先去除一个共线性变量

3.计算VIF(方差膨胀因子), 采取相应措施

4.为了避免损失信息, 我们可以使用一些正则化方法, 比如,岭回归和lasso回归.

以下哪些是对的:

A.1

B.2

C.2和3

D.2, 3和4

每日面试题，答案：

号主答案：D

　　解析：解决多重公线性, 可以使用相关矩阵去去除相关性高于75%的变量 (有主观成分). 也可以VIF, 如果VIF值=10说明相关性较高。我们也可以用 岭回归和lasso回归的带有惩罚正则项的方法。我们也可以在一些变量上加随机噪声, 使得变量之间变得不同, 但是这个方法要小心使用, 可能会影响预测效果。

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。