May, 2016

高动态环境下多相机系统自主车辆鲁棒高效的相对位姿估计

PDF
TL;DR该文研究了自动驾驶在高度动态和可能杂乱的环境下的相对姿态问题，提出了一种使用多摄像头系统的新算法，利用特定的先验知识开发了一种高效的 4 点算法，并与 RANSAC 结合使用，在合成数据和实际应用中表现良好。
relative poseautonomous vehiclemulti-camera systemoutliersransac
发现论文，激发创造
  • 非刚体多角度相机的相对姿态：静态案例

    考虑多视角相机、非刚性组件、重力效应以及可观测性分析，本文提出了一种估计不同空间方位下静态非刚性组件相对姿态的方法，并在实际示例中展示了对重力的感知能力和相关的实用性讨论。

    Jan, 2024

  • 多摄像头系统间平移对应关系用于相对位姿估计

    本文提出了一种新方法，利用两个仿射对应关系来计算多相机系统的相对姿态，该方法可用于解决 6DOF 相关姿态估计问题，通过特殊参数化和几何约束之间的关系，使得所提出的求解器比现有算法更有效且更准确，并可用于解决其他各种相关姿态估计问题。

    Jun, 2023

  • 单个仿射对应关系的相对位姿最小解

    利用特征点之间的仿射变换来解决相对位姿估计问题，提出了四种方法并证明了它们的有效性，可以在 RANSAC 循环中用于异常值检测和初始运动估计。

    Dec, 2019

  • 多视角快速且鲁棒的多人 3D 姿势估计

    本文介绍了一种多人 3D 姿态估计的快速、鲁棒方法，使用多方式匹配算法来解决在噪声和不完整的 2D 姿态预测中查找跨视角对应关系的主要挑战，并结合几何和外观提示进行跨视角匹配。

    Jan, 2019

  • FAR：灵活、准确和稳健的 6DoF 相机相对姿态估计

    相机位姿估计的方法可以通过找到对应关系和解决基础矩阵的方式在大多数情况下提供高精度，而使用神经网络直接预测姿态的方法对于有限重叠的情况更加鲁棒，并能够推断出绝对平移尺度，但精度较低。我们展示了如何结合这两种方法的优点；我们的方法能够同时提供精确和稳健的结果，并准确推断出平移尺度。我们模型的核心是一个 Transformer，它通过学习平衡已解决和学习的姿态估计，并提供一个先验信息来指导求解器。全面的分析支持了我们的设计选择，并证明了我们的方法能够灵活适应各种特征提取器和对应估计器，在 Matterport3D、InteriorNet、StreetLearn 和 Map-free Relocalization 上展现了最先进的 6 自由度姿态估计性能。

    Mar, 2024

  • 自主驾驶的单视图和多视图深度的自适应融合

    本文提出了一个鲁棒性评估基准来评估在各种嘈杂的相机位姿设置下深度估计系统，同时提出了一个自适应融合深度估计系统，通过动态选择两个分支之间的高置信度区域进行融合，以实现鲁棒和准确的深度估计。该方法在鲁棒性测试中优于现有的多视图和融合方法，并在挑战性基准（KITTI 和 DDAD）上实现了最先进的性能，假设具有准确的位姿估计。

    Mar, 2024

  • VICAN：大规模相机网络的高效标定算法

    通过引入一个动态元素 - 任意场景中可以自由移动的刚性物体，我们提出了一种新颖的方法来精确估计大型摄像头网络中的摄像头姿势，该方法可以可靠地从单张图像中推测出该物体的姿势，并解决了在直接估计摄像头之间相对姿势时遇到的挑战，从而实现了准确的摄像头姿势估计。

    Mar, 2024

  • RelPose：预测野外单个物体的概率性相对旋转

    该论文提出基于能量分布的摄像机视角预测方法，该方法可以用于物体重建和视角合成等任务，并在稀疏图像情况下优于现有的 SfM 和 SLAM 方法，从而可以作为实现从多视角数据集中进行现场重建的基础。

    Aug, 2022

  • RobustLoc：具有鲁棒性的车载摄像头位姿回归

    RobustLoc 是一个用于自动驾驶中的相机重定位系统，它使用神经微分方程进行信息扩散和卷积神经网络从多视角图像中提取特征图，同时配备多层训练的分支位姿解码器。使用 RobustLoc 可以在各种环境下实现相机的鲁棒定位。

    Nov, 2022

  • 使用仿射对应关系计算广义相对位姿的最小案例

    提出了三种新的求解器，用于从仿射对应中估计多相机系统的相对位姿，使得用更少的对应数即可快速准确计算。

    Jul, 2020