Apr, 2018

使用动态边缘化的直接稀疏视觉惯性测程

PDF
TL;DR本研究提出 VI-DSO，一种同时估计相机姿态和稀疏场景几何的视觉惯性测量新方法，通过最小化组合能量函数中的光度和 IMU 测量误差来进行优化，在 EuRoC 数据集上得到了比现有技术更好的效果。
visual-inertial odometryphotometric errorimumeasurement preintegrationdynamic marginalization
发现论文，激发创造
  • 直接稀疏里程计

    提出了一种新的直接稀疏视觉里程计公式，将全直接概率模型（最小化光度误差）与所有模型参数（包括几何结构 - 在参考帧中表示为反深度 - 和相机运动）的一致联合优化相结合。

    Jul, 2016

  • SalientDSO: 引入注意力机制的直接稀疏里程计

    本文介绍了一种在直接稀疏视觉里结合使用视觉显著性和场景分析新方法，命名为 SalientDSO，并通过 CVL-UMD 数据集进行了定量和定性比较，超越了 DSO 和 ORB-SLAM 这两种最先进的方法。这是首次使用视觉显著性和场景分析来驱动直接 VO 的特征选择。

    Feb, 2018

  • Stereo DSO：基于双目相机的大规模直接稀疏视觉里程计

    提出了立体直接稀疏测距（Stereo DSO）作为一种新的方法，用于从立体相机中高精度实时估计大型环境的视觉测距，尤其是通过采样图像区域中具有足够强度梯度的像素实现实时优化和固定基线三维重建。

    Aug, 2017

  • RD-VIO: 动态环境下移动增强现实的稳健视觉惯性测距

    本研究设计了一种名为 RD-VIO 的新型视觉惯性测距系统，能够处理动态场景和纯旋转问题，并通过 IMU-PARSAC 算法和延迟三角测量技术来提高在这些问题上的性能。实验证明，在动态环境中，所提出的 RD-VIO 相较于其他方法具有明显优势。

    Oct, 2023

  • LDSO: 带有环路闭合的直接稀疏里程计

    本文提出了 Direct Sparse Odometry (DSO) 的扩展，用于具有循环闭合检测和位姿图优化（LDSO）的单目视觉 SLAM 系统，保留了 DSO 的健壮性，并通过优化来减少旋转、平移和尺度漂移的影响。

    Aug, 2018

  • SimpleMapping：实时的、基于视觉惯性的深度多视角稠密建图

    我们提出了一种实时的基于视觉惯性的稠密建图方法，可使用顺序单眼图像和惯性测量单元（IMU）读数进行增量式三维网格重建，并提出了稀疏点辅助的多视角深度学习神经网络 (SPA-MVSNet)，即使在噪声密集的情况下也能实现高质量的 3D 网格重建。

    Jun, 2023

  • 深度虚拟立体里程计：利用深度预测为基准的单目直接稀疏里程计

    通过利用深度单目深度预测来改进单目视觉里程计，利用直接虚拟立体测量方法将深度预测与 Direct Sparse Odometry（DSO）相结合，关键考虑半监督学习，并在 KITTI 基准测试中超越其他的方法，实现了与基于立体相机的方法相当的性能。

    Jul, 2018

  • 自适应视觉模式选择的高效深度视觉和惯性里程计

    本文介绍了一种基于深度学习的自适应视觉惯性测距（VIO）方法，采用先进的策略网络，根据运动状态和惯性测量读数，在可能的情况下对视觉模态进行去激活，以减少计算的冗余并实现自适应复杂性缩减。实验结果表明，该技术可在评估 KITTI 数据集时实现高达 78.8% 的计算复杂度降低，其性能与完整模态基线方法相当甚至更好。

    May, 2022

  • 单目视觉惯性 SLAM 的重定位、全局优化和地图合并

    本文提出了一种单目视觉惯性 SLAM 系统，可以通过重新定位相机和获取先前构建的地图中的绝对姿态来校正漂移，并进行全局一致性的 4 自由度姿态图优化，进而实现地图合并。

    Mar, 2018

  • 神经视觉惯性测距的选择性传感器融合

    本研究提出一种新颖的端到端选择性传感器融合框架，用于单目视觉内导（VIO）中的图像和惯性测量融合，以估计轨迹并提高对实际问题的鲁棒性，在三个公共数据集上进行了全面测试，并展示了融合策略的效果，尤其是在存在错误数据情况下。

    Mar, 2019