Apr, 2016

移动设备上基于地图的一致性三维定位

PDF
TL;DR本研究的目标是在已经映射的区域内，为移动设备提供一致的、实时的三维定位能力。为此，我们介绍了 Cholesky-Schmidt-Kalman 滤波器 (C-SKF)，该滤波器显式考虑了先前地图的不确定性，通过使用地图海森矩阵的稀疏 Cholesky 因子，而不是其密集协方差矩阵。同时，我们还提出了 sC-SKF 算法，通过将轨迹和观测值分成重叠段的独立子地图，对 C-SKF 进行松弛以限制处理需求。最后，我们评估了所提出的 C-SKF 和 sC-SKF 算法的处理和内存需求，并将它们的定位精度与其他近似基于地图的定位方法进行了比较。
发现论文，激发创造
  • 一种高效的基于 Schmidt-EKF 的三维视觉惯性 SLAM 算法

    本研究提出了一种基于 Schmidt 卡尔曼滤波的高精度的 VI-SLAM 算法，将 IMU 测量和单目图像紧密耦合，以提供带有有界误差的三维运动跟踪，并通过针对性地选择信息特征来减少计算量，同时仍然允许 EKF 正确地考虑其与活动状态之间的交叉关系，从而实现了线性计算复杂度以适应移动和可穿戴传感器系统。

    Mar, 2019

  • 利用当前统计模型从多个视图对大量高动态物体进行三维跟踪

    提出了一种基于当前统计模型的卡尔曼粒子滤波（CSKPF）算法，用于多视角多目标三维跟踪场景，通过预测目标状态、估计目标状态协方差、抑制测量噪声以提高粒子采样效率，与现有基于恒定速度的粒子滤波（CVPF）方法相比，模拟实验和果蝇集群真实实验都证实了 CSKPF 方法在跟踪的完整性、连续性和精度方面的有效性。

    Sep, 2023

  • 贝叶斯空间核平滑用于可扩展稠密语义地图

    本文提出了一种基于贝叶斯方法的连续三维语义占用地图构建方法，通过对贝叶斯内核推理模型的推广，从二进制问题到多类问题，实现了统一的概率模型和采用贝叶斯空间内核推理来提高地图构建的性能，同时在多序列数据上得到了较好的效果。

    Sep, 2019

  • 一种用于时间演进双部分过程的协作卡尔曼滤波器

    利用卡尔曼滤波器建立一种动态模型，以矩阵分解方法进行协同过滤和相关因式分解建模，通过建模每个低维潜在嵌入为多维布朗运动来解决时间演化问题，并采用几何布朗运动处理隐含参数漂移问题，同时还应用平均场变分近似对后验概率分布的复杂性提出了解决方法。该模型在多个大型数据集上进行了评估。

    Jan, 2015

  • 在无 GPS 环境下使用基于地标的定位进行安全导航

    在现代战场情景中，全球定位系统（GPS）的依赖性可能存在重大的漏洞。该研究提出了一种新的框架，将基于地标的定位与扩展卡尔曼滤波器（EKF）相结合，以预测沿战场移动实体的未来状态。结果表明，该方法不仅能确保移动单位的安全性，使其保持在安全轨迹上，而且能够适应不断演化的威胁环境，提高作战效能。

    Feb, 2024

  • 动态过程不确定性的路径空间卡尔曼滤波器用于分析时间序列数据

    通过发展一种称为 Pathspace Kalman Filter (PKF) 的 KF 扩展算法，我们能够动态跟踪与底层数据和先验知识相关的不确定性，并利用贝叶斯方法量化不同的不确定性来源，并且在生物学时间序列数据集上的应用表明，PKF 在合成数据集上的表现优于传统的 KF 方法，均方误差缩小了几个数量级。

    Feb, 2024

  • 快速自主飞行的鲁棒立体视觉惯性里程计

    本文提出了一种基于状态约束卡尔曼滤波器的、用于自主飞行的滤波器的立体视觉惯性测距法，并证明了这种方法具有与现有的单目解决方案相当的计算成本，同时提供了更高的鲁棒性。

    Nov, 2017

  • 基于 2D 和 3D 离散化网格的高效地图稀疏化

    本文提出了一种新的地图稀疏化方法，采用二维离散化网格来选择均匀分布的地标，同时基于三维离散化网格引入一个空间约束条件来减少不同空间分布对定位性能的影响，实验表明该方法在效率和定位性能方面都有优越性。

    Mar, 2023

  • 紧凑型三维高斯喷射在密集视觉定位和建图中的应用

    提出了一种紧凑的 3D 高斯着色 SLAM 系统，通过减少冗余椭球体的数量和参数大小来降低内存和存储成本，并实现了快速训练和呈现速度。通过滑动窗口的屏蔽策略减少冗余的椭球体，然后观察到大多数 3D 高斯椭球体的协方差矩阵（几何）非常相似，从而激发出一种新的几何码本来压缩 3D 高斯几何属性。通过全局捆绑调整方法和重投影损失实现了稳健准确的姿态估计，实验结果表明我们的方法在保持最先进的场景表示质量的同时实现了更快的训练和呈现速度。

    Mar, 2024

  • 通过稀疏有界平方和规划实现全局保证最优平面位姿图和地标 SLAM

    该文章介绍了如何用稀疏 BSOS 分层算法将姿态 - 图和地标 - 图问题表述为多项式优化问题，并以全局最小化解决了这些问题，同时通过实验展示了该方法的卓越性能。

    Sep, 2018