Sep, 2019

实时可扩展的密集 Surfel 地图

PDF
TL;DR本文提出一种新颖的密集 Surfel Mapping 系统，采用稀疏 SLAM 系统估计相机姿态，并将强度图像和深度图像融合成全局一致模型，具有运行时效率高、内存效率高、融合时间 O (1) 等优点，可用于建立从房间尺度到城市尺度的场景，经 KITTI 数据集和自主飞行实验验证其性能均能达到全局一致且可实时处理，代码可供社区使用。
dense surfel mappingslamrgb-d camerasglobal consistencyreal-time
发现论文，激发创造
  • SurfelWarp: 高效的非体积化单视角动态重建

    我们提出了一种基于 surfel-based geometry 的密集 SLAM 系统，该系统可以实时重建非刚性变形场景，不需要模板或先前的模型。

    Apr, 2019

  • SurfelMeshing: 在线基于 Surfel 的网格重建

    该研究解决了从实时 RGB-D 视频中重新构建网格的问题，使用表面小波云，通过异步重新三角化以重构表面网格，并支持强烈变化的扫描分辨率。

    Oct, 2018

  • 实时大规模三维重建的高效在线表面修正

    本文提出了一种用于在 RGB-D 传感器上进行大规模 3D 重建的实时表面矫正方法，该方法通过实时估计相机运动并在全局姿势图优化中进行精调来纠正可能出现的表面偏差，能够在仅使用单个 GPU 的情况下实现大型环境的实时表面纠正，相比最新技术而言，具有更高的运行时效率并且需要显著更少的内存。

    Sep, 2017

  • 基于异构计算的微创手术实时大规模稠密可变形 SLAM 系统

    本文提出了基于异构计算单位 CPU 和 GPU 实现的、在微创手术中完整实时大规模的、具有稠密形变 SLAM 系统的 MIS-SLAM 方法，该方法通过 ORBSLAM 提供强大的全局姿态定位，解决了范围快速移动和模糊图像等问题，显著改善了局部定位，并在实时中实现了规模大的局部定位与稠密建图。在公开数据集上进行的实验表明，这种方法具有潜在的临床应用价值。

    Mar, 2018

  • 单目 SLAM 的半稠密三维语义映射

    本论文将最新的深度学习方法与基于视频流的半稠密 SLAM 相结合，在室内 / 室外数据集中得到了更好的 2D 语义标签识别，无需针对序列中的每一帧获得语义分割，其时间复杂度也得以合理控制。

    Nov, 2016

  • SimpleMapping：实时的、基于视觉惯性的深度多视角稠密建图

    我们提出了一种实时的基于视觉惯性的稠密建图方法，可使用顺序单眼图像和惯性测量单元（IMU）读数进行增量式三维网格重建，并提出了稀疏点辅助的多视角深度学习神经网络 (SPA-MVSNet)，即使在噪声密集的情况下也能实现高质量的 3D 网格重建。

    Jun, 2023

  • SuMa++：高效 LiDAR 语义 SLAM

    本文提出了一种基于三维激光雷达测距扫描和神经网络对语义信息进行提取的建图及定位方法，实现了对运动物体的有效滤波和语义信息约束下的扫描匹配，与现有基于几何约束的方法相比，实验结果表明其性能更优。

    May, 2021

  • DeepSurfels: 在线学习外观融合

    介绍了一种新型的场景表示 ——DeepSurfels，它能够结合几何和外观信息，并且可以很好地更新外观信息并且易于与机器学习方法相结合。同时，我们还提出了一种端对端的可训练在线外观融合管线，它可以将 RGB 图像的信息融合到所提出的场景表示中，并且比传统的纹理映射方法以及最近的基于学习的技术都表现出更好的运行时间、推广能力和可扩展性。

    Dec, 2020

  • SemanticFusion：基于卷积神经网络的密集 3D 语义地图构建

    使用卷积神经网络和密集同时定位和建图（SLAM）系统来将视觉感知转化为语义映射，实现在室内 RGB-D 视频帧之间的长期稠密对应以及在多个视点上的概率融合，从而生产有用的 3D 语义地图。

    Sep, 2016

  • 大规模动态环境下的鲁棒密集建图

    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