แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบ Visual SLAM

ประเมิน Visual SLAM, ความคลุมเครือของขนาด, การปิดลูป, การปรับมัด, การรวมภาพเฉื่อย และกรณีการใช้งาน ตรวจสอบขอบเขตและสมมติฐาน

เส้นทางแนะนำที่เกี่ยวข้องภาพสแลม
คำถาม 1 ของ 8

สแลม ย่อมาจากอะไร?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. สแลม ย่อมาจากอะไร?
    • การแปลและการทำแผนที่พร้อมกัน
    • Lidar เชิงพื้นที่และการทำแผนที่
    • การวัดมุมแสงสเตอริโอ
    • การเคลื่อนไหวอัตโนมัติที่เชื่อมโยงกับเซ็นเซอร์
  2. เหตุใด Visual SLAM แบบตาข้างเดียว (กล้องเดี่ยว) จึงไม่สามารถกู้คืนขนาดสัมบูรณ์ได้ด้วยตัวเอง
    • กล้องไม่สามารถตรวจจับสีได้อย่างแม่นยำ
    • กล้องตัวเดียวไม่สามารถอ้างอิงระยะทางได้โดยตรง ดังนั้นแผนที่จึงเป็นที่รู้จักจนถึงระดับที่ไม่ทราบเท่านั้น
    • ลิขสิทธิ์ซอฟต์แวร์จำกัดความละเอียด
    • มันใช้งานได้เฉพาะในความมืดมิดเท่านั้น
  3. จุดประสงค์ของการปิดลูปในระบบ SLAM คืออะไร?
    • เพื่อปิดกล้องเพื่อประหยัดพลังงาน
    • เพื่อปิดกระบวนการซอฟต์แวร์ที่ไม่ได้ใช้
    • เพื่อจดจำสถานที่ที่เยี่ยมชมก่อนหน้านี้และแก้ไขการเคลื่อนตัวที่สะสม
    • เพื่อวนวิดีโอเพื่อเล่น
  4. การปรับบันเดิลเพิ่มประสิทธิภาพอะไรในแบ็กเอนด์ SLAM
    • ความสว่างของจอแสดงผล
    • ความแรงของสัญญาณ Wi-Fi
    • การซิงค์เสียงของวิดีโอ
    • ตำแหน่งกล้องและตำแหน่งจุด 3 มิติเพื่อลดข้อผิดพลาดในการฉายซ้ำ
  5. เหตุใด IMU (หน่วยวัดแรงเฉื่อย) จึงมักถูกรวมเข้ากับกล้องใน Visual SLAM
    • เพื่อให้สัญญาณการเคลื่อนไหวและสเกลที่ช่วยในระหว่างการเคลื่อนไหวที่รวดเร็วหรือเบลอ
    • ในการเล่นเอฟเฟกต์เสียง
    • เพื่อเพิ่มความละเอียดของภาพ
    • เพื่อเชื่อมต่ออินเทอร์เน็ต
  6. Visual SLAM มีคุณค่าอย่างยิ่งในสถานการณ์ใดเมื่อเปรียบเทียบกับ GPS
    • ติดตามรถบนทางหลวงเปิด
    • การค้นหาชุดหูฟังหรือหุ่นยนต์ภายในอาคารซึ่งมีสัญญาณ GPS อ่อนหรือขาดหายไป
    • การบอกเวลาของวัน
    • การวัดอุณหภูมิภายนอก
  7. What multi-map capability does ORB-SLAM3’s Atlas system provide?
    • It removes the need for camera calibration
    • It converts monocular video into GPS coordinates
    • It manages multiple maps and supports place recognition or map reuse across sessions
    • It guarantees recovery of absolute scale from one camera
  8. What does VINS-Mono’s visual-inertial initialization estimate from camera and IMU data?
    • Only the camera’s image resolution
    • Only a list of detected visual landmarks
    • A satellite-based global coordinate system
    • Metric scale, gravity direction, velocities and inertial biases for the initialized state