通过探索一种基于密集三维网格的更为灵活的方法,本文旨在解决基于图像的特征匹配对在构建场景表示上造成的代价,并通过在渲染场景几何图形时提取特征的方式,展示了这一方法达到了最新成果。结果表明,基于密集三维模型的表示是现有表示的一种有前途的替代方案,并且为未来研究提出了有趣而具有挑战性的方向。
Jul, 2022
本文提出了一种面向实时性能的可扩展视觉定位方法,该方法使用自我监督方法学习紧凑的路图像表示,结合车辆本体运动得出高精度位置估计,在挑战性的城市环境中有效地减少了定位误差一个数量级。
May, 2019
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
本研究提出使用手机的 GPS、罗盘和重力传感器等附加传感器来解决室外场景下相机定位的挑战性问题,通过开发出直接的二维 - 三维匹配网络和采集公开数据集等手段,证明了该方法的有效性。
Apr, 2023
使用新型的激光雷达 SLAM 技术和结构运动优化方法在大型商场和地铁站获取室内数据集以便于在室内环境中进行视觉定位,并测试现代化的视觉定位算法,证明结构基方法使用健壮的图像特征具有更高的性能。
May, 2021
该论文提出了一种解决全局定位问题的方法,通过使用基于 Siamese LocNets 的半手工表示学习方法,在全局先验地图中实现了场所识别和尺度姿态估计,并且提出了一个使用仅距离观测的全局定位框架。通过 KITTI 数据集和自主收集的多个数据集的实验结果表明,该系统能够实现高精度的全局定位。
Dec, 2017
本文提出了一种基于结构和图像的语义匹配方法,能够在诸如季节、亮度、天气和昼夜变化等多种条件下实现准确和稳健的视觉定位,实验证明该方法相较于现有技术有显著的提升。
Apr, 2019
这篇论文介绍了一种新的混合压缩算法,用于视觉定位,能够在不增加存储要求的情况下获得更完整的场景表示,并且在相同的内存限制下比以前的压缩技术具有更高的姿态准确性。
Jul, 2018
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
本文探讨了互联网上获取的 3D 模型对于视觉定位的不精确性以及如何处理构建一个更加准确的场景表示,研究人员创建了一个基准测试,以评估基于多个 3D 模型的视觉本地化问题的准确性。