大规模动态户外场景的实时重建
本文提出了一种用于从 LiDAR 重建大规模城市场景的动态表面重建方法,通过全局优化降低预测表面与输入 LiDAR 扫描数据的距离,实现了对刚性移动物体的运动补偿,并展示了该系统在自动标记局部注释序列和生成难以标记问题的真实注释方面的应用。
Jun, 2024
提出了一种基于立体输入的视觉里程计法的稠密建图算法,该算法针对大规模动态城市环境中的高级移动机器人任务,同时重建静态背景、移动物体和潜在移动的静止物体。
May, 2019
本论文利用实时全局一致的重建系统和新的视觉惯性里程计方法,结合高质量的基于回归森林的定位方法,实现了第一款允许多用户合作使用普通硬件在半小时内重建整个建筑的系统。
Jan, 2018
该研究论文介绍了一种动态场景重建的新型双阶段流程,通过绕过遮挡的限制,持续捕捉不断演化的场景几何形状,从而增强整体抓取规划过程,并使最先进的 6 自由度机器人抓取算法展示出明显的改进精度。
Apr, 2024
该论文介绍了一种不需要先验知识的方法,利用多视角相机从复杂动态场景中获取 4D 的、时间相干的场景模型的无监督重构,并通过应用于自由视角渲染和虚拟现实中,改善了非刚性对象分割和形状重构的精度。
Jul, 2019
本文介绍了一种重建 4D 时间连续场景模型的方法,该方法使用多个移动相机进行重建,可以重建动态或静态物体,同时将稀疏 - 稠密时序对应与联合多视角分割和重建结合使用,利用时间上的连续性克服了视觉歧义,并通过引入测地线星凸性的约束实现了具有鲁棒性的动态物体分割和重建。
Mar, 2016
该研究提出了一种基于图像的实时定位方法,通过结合一种基于二进制特征描述符的快速关键点跟踪方法和一个新的直接 2D 到 3D 匹配方法,有效地对大场景下的相机位置进行计算,并实现了实时的运行效果。
Mar, 2012
提出了一种多摄像机系统来实现密集的三维重建和自我运动估计,通过多摄像机间的几何估计和单目深度优化来获得鲁棒的几何深度和姿态估计,同时通过深度优化网络引入可学习的场景先验,从而在具有挑战性的动态室外环境中实现了稠密、一致的三维重建。
Aug, 2023
提出了一种新的实时端到端重建框架,通过一种高效的分层方法考虑 RGB-D 输入的完整历史,优化单帧的全局相机姿态,同时支持稳健跟踪和全局一致的建模,实现了全球最佳实践的实时建模,成为大型室内环境的综合在线扫描解决方案,实现了易于使用和高质量的结果。
Apr, 2016
本文提出了一种实时动态场景重构方法,能够在给定单个 RGB-D 相机的实时深度流情况下同时再现运动、几何和分割。我们的方法通过融合几何逐帧进行处理,并使用分割增强的节点图结构来驱动几何变形。我们提出了一种二级节点运动优化方法,并通过利用关节运动先验知识来大大减少节点运动的优化空间和物理合理的变形范围。与之前基于融合的动态场景重构方法相比,我们的实验表明,我们的方法对于切向运动和遮挡的运动都具有鲁棒性和改进的重建结果。
Jul, 2018