Dec, 2018

球体对齐：用于相机姿态估计的全局最优球形混合对齐

PDF
TL;DR该研究介绍了一种通过鲁棒性目标函数和全局搜索策略来在混合模型中对 2D-3D 对应关系进行估计，进而实现准确摄像机姿态获取的方法，并且在经过综合评估后证明该算法在处理具有挑战性的真实和合成数据集方面，优于现有方法，可靠地收敛到全局最优解。
camera pose estimation2d-3d correspondencesrobust objective functionsmixture model alignmentglobal optimality
发现论文，激发创造
  • 用于同时相机位姿和特征对应的全局优化局内点集最大化

    应用全局最优内点集基数最大化方法求解相机位姿和对应特征点，使用 SE (3) 几何学方法来限定内点上下界限，并利用分支定界算法在 6 维相机位姿空间进行搜索，实验结果表明该方法更加鲁棒可靠，并表现出比使用局部最优化方法更好的速度和精度。

    Sep, 2017

  • 基于类别的三维物体感知的最优姿态和形状估计

    本文提出了一个主要解决物体类别感知问题的非凸优化模型，其中包括针对模型内部变异性的解决方案，将图形学和优化算法相结合，以提高汽车姿态估计等领域的精度和鲁棒性。

    Apr, 2021

  • GOGMA: 全局最优高斯混合对齐

    该论文提出了解决点集配准问题的一种新方法，名为 GOGMA，它利用 SE（3）空间的几何特征，采用分支限界的方法来搜索 3D 刚性运动的空间，从而保证全局最优解，同时还能加速收敛，而且经过实验证明该方法比现有的全局最优解方法具有更强的鲁棒性。

    Mar, 2016

  • 从 360 度图像中估算 3D 场景几何：一项调查

    本文综述了基于单个、两个或多个以全景光学成像系统拍摄的图像的先驱和最先进的三维场景几何估计方法，包括基于全景数据的单目布局和深度推断、球面域上的立体匹配，以及使用多视角相机设置的光场、多视图立体和运动结构等方面的方法，并讨论了各种目的的常用数据集和性能指标。最后，指出了当前和未来的研究趋势。

    Jan, 2024

  • 经过校准或部分校准的半广义单应矩阵

    该论文提出了从场景平面引出的五个二维 - 二维图像点对应所能获得的对于半广义单应性的第一种最小解决方案。其中一个解决器假设透视相机完全校准，而另一个解决器则估计未知的焦距和绝对姿态参数。

    Mar, 2021

  • 基于混合模型的避免对应问题的目标姿态估计的随机几何框架

    基于多个特征点的随机几何建模框架用于刚体物体位姿估计，并提供一种避免解决单个特征对应和在多视角应用中引入正确随机依赖性的方法。通过数值实验验证了该模型的有效性和对不同观测系统的适用性，包括测量分辨率、物体变形和测量噪声的影响。可以得出结论，基于混合模型的概率建模可以实现准确和鲁棒的位姿估计。

    Nov, 2023

  • 点线地图中视觉惯性定位的全局最优共识最大化

    本文提出了一种基于全局优化的稳健方法，来解决基于地图的视觉惯性定位中的共识最大化问题，该问题的主要挑战是在变化环境下存在外点，该方法可以在高百分比的外点存在时仍实现确定性全局收敛。

    Feb, 2020

  • 使用贝叶斯非参数混合模型实现高效的全局点云对准

    本文提出了一种利用贝叶斯非参数方法描述点云和表面法线密度，利用分支定界优化恢复相对变换的点云对准的全新方法，采用 4D 四面体的旋转空间细分来提高优化效率，并在最后的实验中展示了该方法的高效性和对真实世界的鲁棒性。

    Mar, 2016

  • 全球定位：利用相邻和远源相机的相对时空几何约束

    从单个图像中估计相对于全局框架的六自由度相机姿态的问题，我们提出了一种利用相对空间和时间几何约束的新颖网络来引导定位的深度网络的训练方法。利用相邻相机帧和场景中时空距离较远的相机帧获得的空间和时间相对姿态约束，我们的方法能够学习到在只有少量或非常稀疏的地面真实 3D 坐标可用的情况下进行定位。我们在三个常见的视觉定位数据集上评估了我们的方法，并证明其优于其他直接姿态估计方法。

    Dec, 2023

  • 立体三维物体跟踪的联合时空优化

    通过深度神经网络强大的目标理解，同时处理精确几何建模的一致轨迹估计，提出了一种基于联合时空优化的立体 3D 对象跟踪方法，在 KITTI 跟踪数据集上取得显著优于先前方法的定量评估结果，并在多个类别和大型数据集（KITTI 原始和 Argoverse 跟踪）上进行了广泛的结果报告以供未来基准测试。

    Apr, 2020