基于 Bingham 分布的方向递归估计

Apr, 2013

Recursive Estimation of Orientation Based on the Bingham Distribution

Gerhard Kurz, Igor Gilitschenski, Simon Julier, Uwe D. Hanebeck

TL;DR探讨了一个基于 Bingham 分布的递归滤波器在方向数据上的应用，并发现这种滤波器可以解决在传统 Kalman 滤波器中不能很好解决的问题，并且在现实应用中易于处理。针对此问题的设置可以很好地用于圆形过滤问题，其呈 180 度对称性，并且易于扩展为四元数以跟踪任意三维方向。

Abstract

directional estimation is a common problem in many tracking applications. Traditional filters such as the Kalman filter perform poorly because they fail to take the periodic nature of the problem into account. We

directional estimation tracking applications recursive filter bingham distribution real-time applications

发现论文，激发创造

对象姿态估计的学习方向分布

本研究提出了两种学习方法来估计物体方向的分布，考虑到姿态估计的不准确性和物体的对称性，这些方法能够增强现有的位姿估计器，并在未知对称性的物体上表现出更好的性能。

Jul, 2020

在方向数据分析中模拟 Bingham 和相关分布的新方法及应用

提出并研究了一种用角度中心高斯分布作为信封的 Bingham 分布在球面上的接受 - 拒绝方法，该方法表现高效且易于使用，并可扩展到 Fisher 和 Fisher-Bingham 分布和相关流形。

Oct, 2013

一种概率旋转表示对称形状的高效可计算 Bingham Loss 函数

本文研究物体姿态估计中的旋转表示方式，提出了一种在 Bingham 分布下易于实现和计算的负对数似然损失函数，并证明了其对称性能够良好捕捉目标物体的共性。

May, 2023

强化学习中三维旋转的 Bingham 策略参数化

提出了一种新的策略参数化方式，Bingham Policy Parameterization（BPP），它可以更好地模拟 Bingham 分布，从而比高斯策略参数化在一系列强化学习任务中具有更好的旋转（四元数）预测能力。

Feb, 2022

无死角：从全景图像中定向目标估计

使用全景相机提出了一种使用指向手势的机器人导航直观操作方式，通过反复从全景图像中提取感兴趣区域并投影到透视图像上，消除了用户 / 目标位置约束和指向臂的左 / 右约束，并通过机器学习训练目标对象的可能性进一步提高了估计的准确性。

Aug, 2023

迈向高效的视觉陀螺仪：用于球面相机应用的球面矩、谐波滤波和遮罩技术

提出了一种新颖的视觉陀螺仪方法，结合了分析方法和神经网络方法，从球面图像中提供更高效准确的旋转估计，实验结果表明该方法在准确度上具有卓越性能并强调了融合机器学习以优化分析方案的优势。

Apr, 2024

使用径向光束采样学习连续旋转规范化

提出了一种基于射线束抽样和径向滤波器的图像规范化模型及其训练方法 BIC，实现了对于旋转不变性的视觉处理，与经典卷积神经网络相比，能够更有效地处理该类问题。

Jun, 2022

关于任意方向物体检测：基于分类方法的再探讨

本文提出了一种将角度预测任务从回归问题转变为分类问题的方法，并使用设计的 “圆滑标签” 和 “密集编码标签” 来解决周期性和编码长度过大的问题，在三个大规模公共数据集上进行了实验验证，证明了该方法的有效性。

Mar, 2020

学习旋转的核相关滤波器

本研究提出了一种改进的优化方法 RKCF，可减轻 Kernel Correlation Filters 在旋转方面性能下降的问题，在很多 OBT50 测试视频中获得了全面的精度提升及最小额外计算。

Aug, 2017

视觉目标跟踪的相似性变换鲁棒估计

本文提出了一种新的基于相关滤波的跟踪器，具有对大位移下相似变换的鲁棒估计以及在实时环境下高效搜索 4 - 自由度空间的能力，同时运用 Block Coordinates Descent 求解器对问题进行拆解优化。实验结果表明，该跟踪器具有与最新的视觉对象跟踪方法相当的预测性能，同时仍保留了传统相关滤波跟踪方法的高效和简单优点。

Dec, 2017