<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=172540"><dc:title>Vizualni SLAM z gostim ujemalnikom značilk RoMa</dc:title><dc:creator>Šinigoj,	Matic	(Avtor)
	</dc:creator><dc:creator>Skočaj,	Danijel	(Mentor)
	</dc:creator><dc:creator>Dobrevski,	Matej	(Komentor)
	</dc:creator><dc:subject>vizualni SLAM</dc:subject><dc:subject>RoMa</dc:subject><dc:subject>AnyLoc</dc:subject><dc:subject>gosto ujemanje</dc:subject><dc:subject>optimizacija</dc:subject><dc:subject>zapiranje zank</dc:subject><dc:description>V diplomski nalogi smo razvili sistem za vizualni SLAM, ki povezuje klasične principe računalniškega vida z najsodobnejšimi pristopi globokega učenja. Glavna značilnost naše implementacije je uporaba gostega ujemalnika značilk RoMa, ki temelji na nevronskih mrežah in omogoča robustnejše ter natančnejše sledenje gibanja kamere v prostoru. Poleg tega izvajamo lokalno in globalno optimizacijo trajektorije ter zapiranje zank z uporabo nevronskega modela AnyLoc, ki še dodatno poveča uspešnost in konsistentnost izdelanega zemljevida. Sistem ovrednotimo na standardni referenčni množici podatkov TUM RGB-D, ki omogoča kakovostno primerjavo z obstoječimi pristopi. Analiza rezultatov je pokazala, da zasnovana hibridna arhitektura zanesljivo deluje in dosega konkurenčno natančnost, kar potrjuje potencial takšnih pristopov in odpira nove smeri za prihodnje raziskave.</dc:description><dc:date>2025</dc:date><dc:date>2025-09-08 12:25:01</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>172540</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>