本文提出一种采用局部和全局旋转平均法的混合方法,结合快速的视图图滤波预处理,解决 3D 重建中的精度和准确性问题,并将此方法应用于增量式运动结构,从而将此方法的实用性提高到很高的程度,实验表明,此方法可以有效地纠正糟糕的相机姿态和减小漂移。
Jan, 2021
提出一种基于深度神经网络的 End-to-end 方法,称为 EAR-Net,用于从多视角图像中估计绝对旋转,并在三个公共数据集上表明 EAR-Net 在准确性和速度方面明显优于现有方法。
Oct, 2023
使用谐波分析和谱松弛方法解决旋转平均问题,通过与测量图属性相关的性能保证,指导传感器布置、网络压缩和主动感知等任务。
Nov, 2023
该论文提出了一种从深度回归模型中提取旋转概率估计的方法,并将其扩展到 SO (3) 旋转群的目标上,该方法在合成和真实数据中都获得了良好的结果。
Apr, 2019
本文提出了一个深度循环旋转平均图优化器 (RAGO),用于解决多重旋转平均 (MRA) 的问题,通过边缘修正策略减少了不准确测量的影响,使用门控循环单元追踪成本图的时间信息,使其成为一个实时的学习优化方案,用于解决现实中的问题。RAGO 在真实世界和合成数据集上都优于先前的传统和深度方法。
Dec, 2022
通过最大似然估计的方法,本文针对旋转平均问题提出了一种新的原始 - 对偶方法,以解决在计算机视觉和摄像机网络标定中使用的非凸高维优化问题,并在多个情境中对该方法进行了基准测试,通过对偶理论验证了解决方案的有效性和性能提升。
May, 2024
本论文提出一种改进的旋转平均方法,通过直接将不确定性从点对应中传播到旋转平均中来模拟基础噪声分布,同时探索了将 MAGSAC 损失整合到旋转平均问题中的可能性,较之传统的健壮损失方法在大规模公共基准测试中的精度更高。
Mar, 2023
提出了一种新的分层方法 HARA 来解决多次旋转平均问题,通过优先加入具有强大三元组支持的边逐步建立生成树,实现了离群值过滤以及在非线性优化前得到鲁棒的初步解,同时也可集成有效 2D-2D 对应关系,经过合成数据集和现实数据集的广泛评估,结果表明其技术处于最先进水平。
Nov, 2021
通过 2D-2D 特征匹配技术,利用旋转平均算法设计一种可快速而又准确地估算单目相机旋转方向的系统,该系统通过维护一个视图图形并解决旋转问题来估算摄像机轨迹和地图,并驱动 V-SLAM 系统跟踪纯旋转运动。
Oct, 2020
本文从最大似然估计的角度出发,提出了一种新的无需初始化的原始 - 对偶方法来解决旋转平均问题,同时,在循环图中得出了旋转平均的第一个闭合解,这一方法在精度和性能方面都有了显著的提升。
Sep, 2021