Oct, 2017

精准摄像机定位的回溯回归森林

PDF
TL;DR本文提出了一种基于随机森林的相机定位方法，通过采用样本平衡策略和修正不正确的 2D-3D 对应关系，可以在室内和户外的 RGB 应用场景中实现相对准确的定位效果。
camera relocalizationrandom forests3d-2d correspondencesample balancelocal features
发现论文，激发创造
  • 在线相机重定位的回归森林即时自适应

    本文介绍了一种基于回归树的摄像头位姿跟踪方法，该方法可以快速适应新环境，并达到与离线方法相当的位姿跟踪效果，适用于需要在线位姿跟踪的实时系统。

    Feb, 2017

  • 利用回归森林中的点和线进行 RGB-D 相机定位

    本文提出了一种基于不确定性驱动回归森林的方法，通过联合使用点和线特征，对相机重定位进行优化，实验结果表明，本文提出的方法在几个指标上优于现有的基准方法。

    Oct, 2017

  • 随机森林与神经网络 —— 哪个更适合相机定位？

    本研究提出了一种名为 ForestNet 的方法，将 Random Forests 与 Neural Networks 结合起来，提高了相机定位的准确性。

    Sep, 2016

  • 使用重新本地化级联实时估计新场景中的 RGB-D 摄像机姿态

    本文提出了一种改进的方法来解决摄像机位姿估计问题，利用回归森林对场景中的关键点进行对应，采用几何方法评分并选择最有前途的假设，使用多个快速但不精确的重新定位器级联，调整参数以实现有效的性能，实现了重定位性能的显着提升。

    Oct, 2018

  • 将其上线：将场景坐标回归网络预测应用于在线 RGB-D 相机重定位

    本研究提出了一种新的方法来利用在一个场景中训练的神经网络来预测另一个场景中的点，以实现相机在线定位，并在 7-Scenes 和 Cambridge Landmarks 数据集上实现了最先进的性能，运行时间低于 300 毫秒。

    Jun, 2019

  • 基于图像的定位的全幅场景坐标回归

    采用全帧方式进行场景坐标回归可以在测试时间内提高计算效率并增加回归过程的全局上下文以提高稳健性，而数据增强则有助于减轻过度拟合问题，从而提高基于图像识别的定位场景坐标预测的鲁棒性。

    Feb, 2018

  • 基于图像的定位的场景坐标和对应关系学习

    本篇论文提出了一种使用深度学习，通过像素级的场景坐标回归来进行相机姿态估计的方法，并通过回归的置信度值对相应的姿态进行自我校正和提高精度。

    May, 2018

  • 深度学习相机重定位中的不确定性建模

    使用贝叶斯卷积神经网络实现六自由度视觉重定位系统，并利用其不确定性测量提高室内和户外场景的定位精度，实现实时处理。

    Sep, 2015

  • 动态室内环境下基于空间分区的相机重定位的鲁棒神经路由

    本文提出了一种新的基于异常值感知神经树的相机定位算法，通过对室内场景进行层次化空间划分和深度学习的路由函数实现更好的三维场景理解，同时使用异常值拒绝模块来过滤掉动态点，并在 RIO-10 基准测试中达到了比现有技术更高的相机姿态精度。

    Dec, 2020

  • 通过分类方式生成回归森林：应用于目标姿态估计

    提出一种新的节点分割方法来建立回归树，它找到局部最小化经验损失的训练数据集的簇，而不是依赖于试错方法，然后将问题分类处理以确定分割规则，能更加有效地处理不同的目标空间。

    Dec, 2013