Jun, 2018

CubeSLAM：单目三维物体 SLAM

PDF
TL;DR本文介绍了一种方法，用于在静态和动态环境下单个图像的三维立方体物体检测和多视图对象 SLAM，并展示了两个部分如何互相改进，对单个图像物体检测，我们从 2D 边界框和消失点采样中生成高质量的 cuboid 提议，并根据与图像边缘的对齐性对提议进行进一步评分和选择。其次，提出了新的对象测量的多视图束调整，以联合优化相机，对象和点的姿态。对象可以提供长程几何和尺度约束，以改善相机姿态估计并减少单眼漂移。而不是将动态区域视为异常值，我们利用对象表示和运动模型约束来改善相机姿态估计。在 SUN RGBD 和 KITTI 上进行的 3D 检测实验证明了与现有方法相比更高的准确性和鲁棒性。在公共 TUM，KITTI 测距和我们自己收集的数据集上，我们的 SLAM 方法实现了最先进的单眼相机姿态估计，同时提高了 3D 对象检测的准确性。
single image object detection3d cuboid object detectionmulti-view object slamcamera pose estimationdynamic environments
发现论文，激发创造
  • 单目 SLAM 支持下的物体识别

    本文研究了一种单目 SLAM 感知的目标识别系统，该系统利用多视图对象提议和高效特征编码等方法，能够在几乎恒定的时间内使用单个 RGB 相机检测和识别环境中的对象。实验结果表明，该系统具有强大的识别功能，并在 UW RGB-D 数据集上表现出可扩展的运行时性能优势。

    Jun, 2015

  • 实时单目物体感知稀疏 SLAM

    本文在单目 SLAM 框架中嵌入了实时深度学习的目标检测器，将普通物体表示为四面体，进一步细化物体重建，检测附加平面标志并建模为独立地标志，可大幅提高系统的定位性能和语义地图的丰富程度。

    Sep, 2018

  • 实时单目目标 SLAM

    本文提出一种实时基于物体的 SLAM 系统，利用至今最大的物体数据库，包括一个单目 SLAM 算法，该算法利用可变形物体约束来改善地图并找到其实际比例，和一种新颖的基于二进制词袋的物体识别算法，提供 500 个三维物体的实时检测。

    Apr, 2015

  • 3DS-SLAM：基于三维物体检测的动态室内语义 SLAM

    3DS-SLAM 是一种针对动态场景的 3D 语义建图算法，通过 3D 物体检测和动态特征过滤等方法，解决了动态环境下相机定位的精度问题。与其他四个主流动态场景 SLAM 系统相比，3DS-SLAM 在 TUM RGB-D 数据集的动态序列上平均提高了 98.01% 的性能。

    Oct, 2023

  • OCM3D：基于物体的单目三维物体检测

    本文提出了一种适用于单目三维目标检测的新型基于物体的体素表示法，能够有效地组织噪点云在体素网格内，并能够精确定位对象在三维空间中的位置。通过考虑三维物体与相关二维框之间的关系，我们将单目三维目标检测中的置信度机制进行了分解，并在 KITTI 数据集上进行了评估，性能显著优于现有技术。

    Apr, 2021

  • 自主驾驶的多传感器三维物体框细化

    本文提出了一种在自动驾驶背景下具有多传感器优化的三维目标检测系统，其中单眼相机可以作为二维目标提议和初步三维边界框预测，而立体相机和 LiDAR 则被视为自适应插件传感器以优化 3D 边界框本地化性能。

    Sep, 2019

  • 结构化环境下的单目物体和平面 SLAM

    本文提出一种使用高级物体和平面地标的单目同时定位与地图构建算法，该算法比基于特征点的 SLAM 建立的地图更加密集、更紧凑且更具语义意义。实验显示，我们的算法能够提高相机的定位精度，特别是在没有闭环的情况下，并且在许多结构化环境中稳健地生成密集地图。

    Sep, 2018

  • DynaSLAM II：紧耦合多目标跟踪和 SLAM

    本文介绍了 DynaSLAM II，它是一种用于立体和 RGB-D 配置的视觉 SLAM 系统，紧密集成了多对象跟踪能力，并利用实例语义分割和 ORB 特征来跟踪动态对象，优化了静态场景和动态对象的结构，提供了丰富的场景理解线索，并有益于相机的跟踪。

    Oct, 2020

  • Fusion++: 三维物体级别 SLAM

    本研究提出了一种在线物体级别 SLAM 系统，该系统通过使用 Mask-RCNN 实例分割将复杂的室内场景中的物体进行重建，没有进行内部变形，并将每个物体的信息存储在可优化的 6DoF 姿态图中，以实现高度内存效率和较高的在线性能。

    Aug, 2018

  • 使用交并比损失端到端训练的单目 3D 物体检测与盒式拟合

    通过引入 SS3D 方法，成功在单目图像中实现三维物体检测，并通过建模异方差性提高了基准性能。该方法在保持简洁的同时，达到了当前状态下最高的检测精度，是实现自主驾驶等领域高性能检测的可靠框架。

    Jun, 2019