由二元四元数参数化的欧几里得群上概率密度函数的近似
本文提出了一种基于双四元数 Riemann 流形的新型主成分局部回归滤波器,并在 7 维实射影空间中,共同处理旋转和平移,利用此流形结构提供一种异常鲁棒的通用姿势过滤 IRLS 算法,从理论和实验上表明了该流形感知滤波对姿态跟踪和平滑处理的实际优势。
Apr, 2017
利用双四元数表示 3D 空间中刚体运动,以同时描述旋转和平移,克服了传统代数无法准确编码平移的问题,并在实验证明了该方法在学习对象轨迹方面的有效性。
Oct, 2023
本研究提出了一种基于非参数分布的单幅图像姿态估计方法,该方法使用神经网络隐式地表示任意姿态的概率分布,并考虑了不确定性和多重对称问题。该方法在处理三维姿态复杂分布时表现优异。
Jun, 2021
本文介绍了一种用于学习模型的 Symmetric Matrix 表征方法,它满足平滑性和对单元四元数的置信度建模,可用于机器人感知领域中的精确旋转估计,包括 VO 和对象姿态估计。作者针对点云数据和图像数据进行了实证验证,并证明该方法可有效提高对未知环境及图像的鲁棒性。
Jun, 2020
该论文提出了一种从深度回归模型中提取旋转概率估计的方法,并将其扩展到 SO (3) 旋转群的目标上,该方法在合成和真实数据中都获得了良好的结果。
Apr, 2019
文章通过使用深度神经网络学习输出矩阵费舍尔分布参数来实现在 3D 旋转集合($SO (3)$)上估计概率分布;并使用负对数似然损失优化生成具有凸损失的模型从而在 Pascal3D +,ModelNet10-$SO (3)$ 和 UPNA 头部姿势等多个挑战性数据集上获取了 state-of-the-art 的结果。
Jun, 2020
核心能力是机器人操控对于在杂乱环境中进行物体的稳定放置的推理,6-DoFusion 是一个生成模型,能够生成给定场景的稳定配置的物体的 3D 姿势,并在不同的物体放置和堆叠任务上进行了评估。
Oct, 2023
通过训练深度神经网络,使用人体运动树结构来估计相对 3D 关节旋转矩阵的分层矩阵费舍尔分布(即身体姿态)和 SMPL 身体形状参数的高斯分布,实现了对 3D 人体形状和姿态的分布性预测,能够有效地量化预测不确定性并从中采样出多种可能的 3D 重建形式,从而解释给定的输入图像。
Oct, 2021
本研究利用双四元数理论,针对七自由度人类下肢在三维空间内的正、逆运动学和递归牛顿 - 欧拉动力学算法提供了快速准确的解决方案。
Feb, 2023
本研究提出了一种新的基于 Laplace 分布的旋转概率模型,相较于高斯 Bingham 分布和 Matrix Fisher 模型更具鲁棒性,可以提高旋转回归任务的性能,并在半监督旋转回归和对称对象多解决方案空间等方面具有优势。
May, 2023