Jun, 2018

通过预测视图效用学习得分：高效的三维场景探索

PDF
TL;DR该研究提出了一种基于卷积神经网络的学习型实用函数，用以预测和最大化探测未知场景中的有用信息，该方法在使用干扰噪声的情况下，比现有实用函数具有更高的重建性能，在城市场景的大型 3D 模型中得到了验证。
camera drones3d mapsutility functionconvolutional neural networksurban scenes
发现论文，激发创造
  • 3D 物体重建中下一最佳视角的监督学习

    本文提出了一种基于监督深度学习的最佳视角规划方案，该方案包括自动生成数据集的算法和原始三维卷积神经网络 (3D-CNN)，用于学习下一个最佳视角，并与类似网络进行了比较，并进行了多个实验验证了该方案的有效性，以实现对不知名对象的重建。

    May, 2019

  • Plan3D: 面向航拍多视角立体重建的视点和轨迹优化

    本文介绍了一种高效计算户外场景中高质量 3D 重建的视点和轨迹的新方法，利用搭载在自主导航四旋翼飞行器上的 RGB 摄像机采集图像，并利用分层的体积表示区分未知、自由和占据空间，利用信息增益来处理遮挡，避免障碍并规划无碰撞的飞行路径，以限制四旋翼的总飞行距离，获得了多项令人信服的 3D 重建结果，并证明了此方法的量化提升。

    May, 2017

  • 无人机三维扫描的子模型轨迹优化

    该论文介绍了一种利用数学模型自动生成无人机飞行轨迹，全面准确地扫描物体表面，从而生成高保真的 3D 模型。作者使用了覆盖度等数学原理，进行路径规划，可以自动权衡机器人特性和覆盖度，有效避免撞墙等情况。

    May, 2017

  • 使用 3D 卷积神经网络进行下一个最佳视角回归

    本文提出了一种基于卷积神经网络的数据驱动方法来解决 3D 物体重建中的下一个最佳视角问题，验证实验表明，该方法在预测下一个最佳视角、提高物体重建覆盖率和提高运算速度等方面，都有很高的性能表现。

    Jan, 2021

  • 自主隐式室内场景重建与边界探索

    通过引入基于前沿探索任务的全局覆盖和基于隐式表面不确定性的重建任务，结合使用颜色不确定性实现隐式表面不确定性的方法，提出了一种自适应策略来在视角路径规划中切换模式，以减少时间并保持卓越的重建质量。该方法在所有规划方法中展示了最高的重建质量和在涉及重建任务的方法中的优越规划效率。我们在一架无人机上部署了我们的方法，并且结果显示我们的方法可以计划多任务视图并以高质量重建场景。

    Apr, 2024

  • 结构化地形运动的神经场景表征

    本文提出一种基于学习的方法，重建移动机器人行进城市环境中的局部地形，通过算法估计机器人周围的地形，采用 4D 全卷积网络，可以利用合成数据进行训练，并在机器人上取得良好效果。

    Jun, 2022

  • 基于外观的视点规划方法：Bag of Views 用于三维重建

    通过机器学习和图像处理实现无人机的三维重建和监测，其中视角规划是其关键部分，该研究提出了一种基于 Bag-of-Views 的模型，用于评估捕获视角的效用。

    Jul, 2023

  • 农业环境中的嘈杂三维重建：基于贝叶斯优化的视角规划

    基于几何准则和贝叶斯优化算法的 3D 重建方法，考虑到噪声的存在，能够使用少量相机在存在噪声的农业环境中进行准确的 3D 重建。

    Sep, 2023

  • 高效多尺度体素雕刻的大规模场景自监督新型 2D 视角合成

    提出了一种基于多尺度体素雕刻和自学习的算法来生成实景的新视角，在无人机等大规模真实环境下表现出色。

    Jun, 2023

  • 三维重建的下一最佳视角策略

    本研究提出了一种基于 Scan-RL 的学习算法，使用 Houses3K 数据集可以在完成重建更少步骤和更短距离的情况下进行 3D 建模，并且单个 NBV 策略可以用于多个房屋的扫描。

    Aug, 2020