Jun, 2018

针对混浊和动态水下环境的单目实时视觉里程计

PDF
TL;DR本文提出了一种适用于水下环境的单目视觉里程计方法，该方法基于光流跟踪和基于关键帧的非线性优化，并在模拟和实际水下数据集上验证其性能优于现有的视觉 SLAM 方法，主要应用于水下考古任务中 ROV 的定位。
underwater localizationmonocular visual odometryoptical flowkeyframe-based visual odometryrovs
发现论文，激发创造
  • 水下视觉单目 SLAM 挑战的调查研究

    本文系统研究了单目视觉同时定位与地图构建方法在水下机器人中应用时所遇到的挑战，并探讨了环境条件对算法表现的影响，同时提出了图像增强技术来提高在极端光照和低能见度条件下的算法准确性和鲁棒性。

    Jun, 2023

  • SM/VIO：在基于模型和视觉惯性导航测距之间切换的强健水下状态估计

    本文提出了一种称为 SM/VIO 的模型驱动的可视惯性里程计（VIO）算法，该算法在海洋环境下具有较强的鲁棒性，并通过在 VIO 失败时结合机器人运动学模型和本体感知传感器来维持姿态估计

    Apr, 2023

  • 自监督几何引导的鲁棒单目视觉里程计初始化

    通过分析主要的失败案例并揭示优化过程的各种缺点，我们诊断了一种流行的学习型 SLAM 模型（DROID-SLAM）的关键弱点。然后，我们提出使用自监督先验，利用冻结的大规模预训练单眼深度估计初始化稠密捆绑调整过程，从而实现鲁棒的视觉里程计，无需对 SLAM 骨干进行微调。尽管方法简单，但在 KITTI 里程计和具有挑战性的 DDAD 基准上，我们的方法显示出显著的改进。代码和预训练模型将在发表后发布。

    Jun, 2024

  • 匹配与定位：基于深度特征匹配的低频单目里程计

    通过使用单个相机，本文提出了一种对机器人测位的新方法，通过匹配图像特征和使用卷积神经网络进行调整，以可靠地估计机器人的位置和方向。

    Nov, 2023

  • 一种基于注意力的深度学习框架用于实时单目视觉里程计：应用于无 GPS 无人机导航

    本文介绍了一种用于无人机的新型实时单目视觉里程计模型，使用了深度神经网络架构和自注意力模块，能够通过连续视频帧估计相机的自身运动，进而估计无人机的轨迹。该模型在两个视觉里程计数据集上测试，收敛速度比之前的循环神经网络模型快 48％，并且平均平移漂移减少了 22％，平均平移绝对轨迹误差改善了 12％，表现出更强的抗噪能力。

    Apr, 2024

  • 水下环境实时稠密三维映射

    本文提出了一种针对自主水下载具 (AUV) 的实时稠密三维重建方法，该方法使用了一个鲁棒的 VIO 方法 SVIn2 和一个实时三维重建管道。该管道在四个具有挑战性的水下数据集上获得了可比拟 COLMAP 的重建结果，并在单 CPU 上获得了高帧率。

    Apr, 2023

  • 基于视觉的无人机感知系统实时航空目标定位与跟踪

    文章研究了无人机导航中基于视觉的障碍物检测和跟踪问题，提出了一种实时的对象定位和跟踪策略，将对象检测和跟踪有效地集成到动态卡尔曼模型中，并使用卡尔曼滤波提供对象状态的粗略预测，而无需对其进行手动初始化，具有比同类技术更快的运行速度和竞争性的跟踪性能。

    Mar, 2017

  • 单目视觉里程计中的挑战：光度校准、运动偏差和滚动快门效应

    通过定量评估直接、特征和半直接方法的最新技术，提供了社区有用的实用知识，以便更好地应用现有的方法和开发新的 VO 和 SLAM 算法，并提出了可能的改进现有方法的建议。

    May, 2017

  • 单目视觉里程计光度校准基准

    提出了一个包含 50 个具有独特多样性的现实中场景的数据集，用于评估单目视觉里程计和 SLAM 方法的跟踪精度，并在此基础上提出了一个相机光度校准的简单方法以及一种非参数化暗角校准方法，该研究详细评估了两种现有方法（ORB-SLAM 和 DSO）在该数据集上的效果。

    Jul, 2016

  • 基于关键帧的视觉惯性在线 SLAM 与重定位

    本文提出了基于关键帧的视觉惯性同步定位与地图构建（SLAM）方法，通过在线环路闭合和非线性优化方法，使得我们的系统在单目和立体相机上具有实时、准确和鲁棒的位姿估计能力，支持先前建立地图的重定位和持续的 SLAM 操作，并在室内和户外公开数据集上展示了我们方法高精度、高效的性能。

    Feb, 2017