Jul, 2016

RGB-D 扫描仪的精细至粗糙全局配准

PDF
TL;DR本文提出了一种 ' 粗到精 ' 的全局配准算法，通过利用较小尺度上的健壮配准来引导较大尺度上的新对应和结构约束，解决手持相机的 RGB-D 图像长视频序列全局一致 3D 模型重建的问题，并基于 SUN3D 数据集中的 25 个场景提供了规模达 10,401 个手动点击的点对应关系的基准测试，实验证明我们的算法比以前的方法更好。
rgb-d scanningglobal registration algorithmfine-to-coarsereal estateinterior design
发现论文，激发创造
  • 实时大规模三维重建的高效在线表面修正

    本文提出了一种用于在 RGB-D 传感器上进行大规模 3D 重建的实时表面矫正方法，该方法通过实时估计相机运动并在全局姿势图优化中进行精调来纠正可能出现的表面偏差，能够在仅使用单个 GPU 的情况下实现大型环境的实时表面纠正，相比最新技术而言，具有更高的运行时效率并且需要显著更少的内存。

    Sep, 2017

  • RGBD-Glue: 强鲁棒性 RGB-D 点云配准的通用特征融合

    通过提出一种新的特征组合框架，应用松散但更有效的融合，克服各种特征的弱点，并利用两种类型特征的有效信息，该方法在 ScanNet 上实现了最先进的性能，旋转精度达到了 99.1%。

    May, 2024

  • 深度全局注册

    我们提出了一个基于神经网络和优化算法的 3D 扫描配准框架，可以对实际数据进行高精度的配准，优于现有的同类方法。

    Apr, 2020

  • 无监督点云配准：通过可微渲染实现的无监督点云配准

    我们提出了一种无监督方法 (UnsupervisedR&R)，从原始 RGB-D 视频中学习点云配准，通过可微的对齐和渲染，强制实现帧间的光度和几何一致性，实现三维场景的自动对齐。实验结果表明，该方法在室内场景数据集上优于传统方法，并具有竞争力的监督几何点云注册方法。

    Feb, 2021

  • 室内重建的联合布局估计和全局多视图配准

    本文提出了一种新颖的方法，用于精确的室内 3D 重建，通过 KinectFusion 先建立场景碎片并通过姿态图优化进行注册，然后通过层次凝聚聚类和基于能量的多模型拟合的方式提取场景布局，最后通过全局迭代最近点算法进行点云的全局配准。

    Apr, 2017

  • 利用残差重建 RGB-D 相机动态环境下的三维模型

    本文提出了一种基于 RGB-D 传感器的方法，能够稳定地在包含多个动态元素的场景中进行地图绘制和定位，并在现有数据集上对其进行评估和发布。

    May, 2019

  • 基于 NeRF 引导的 RGB-D 配准的无监督学习

    本文提出了一种无监督的 RGB-D 注册的新型框架 NeRF-UR，通过使用神经辐射场（NeRF）作为场景的全局模型，并利用输入和 NeRF 重构帧之间的一致性进行姿态优化，从而显著提高了在多视角一致性差的场景中的鲁棒性，并为注册模型提供更好的学习信号。通过在合成数据集 Sim-RGBD 上训练注册模型，并在真实数据上进行无监督微调，使我们的框架能够将特征提取和注册的能力从模拟迁移到现实场景。我们的方法在室内 RGB-D 数据集 ScanNet 和 3DMatch 上优于最先进的对手。

    May, 2024

  • 利用 2D 楼层平面图进行建筑级全景 RGBD 对齐

    该文提出了一种新算法，利用 2D 平面图对全景 RGBD 扫描进行校准，该算法可以大幅减少所需扫描数，并在五个大型室内空间上进行了评估。这是第一个利用 2D 平面图进行大型室内三维点云重建的有效系统，提出的算法使用多模态图像对应线索 (在扫描和平面图之间)，并避免了固有的堆叠偏差

    Dec, 2016

  • 视觉定位的分层场景坐标分类和回归

    本研究提出了一种新的基于层次场景坐标网络的方法，用于从单个 RGB 图像中逐步预测像素场景坐标，并在单幅图像中取得了新的最佳单色彩 RGB 定位性能，同时也减小了性能差距。

    Sep, 2019

  • 基于全局到局部 RGB-D 适应的实境抓取检测

    该论文通过领域适应问题将 RGB-D 抓握检测的问题转变为 sim-to-real 问题，并提出了一种全局到局部的方法来解决 RGB 和深度数据之间的差距以及多模态特征对齐的不足。在大量实验中，该方法显著减小了领域转移，并获得了令人满意的结果，证明了其有效性。

    Mar, 2024