Apr, 2020

基于 2D-3D 线对应的先前 LiDAR 地图中的单目相机定位

PDF
TL;DR本文提出了一种基于 2D-3D 线对应的高效单目相机在先前 LiDAR 地图中的定位方法，并使用位姿预测和离群值排除来优化相机位姿和 2D-3D 对应关系的投影误差，实验结果表明该方法可以在结构化环境中高效地估计相机位姿。
camera localizationlidar maps2d-3d line correspondencespose predictionoutlier rejection
发现论文，激发创造
  • 基于单目摄像机和单线激光雷达的大规模场景弱监督三维多人姿态估计

    本文提出了一种基于单目摄像头和单个 LiDAR 的方法，用于大规模场景下的 3D 多人姿态估计。通过设计一种有效的多模态融合策略，并充分利用时间信息来指导网络学习自然和连贯的人类运动，以点云的固有几何约束为自我监督，用图像上的 2D 特征点进行弱监督，无需依赖于任何 3D 姿态注释。实验结果表明了该方法的优越性和泛化能力。

    Nov, 2022

  • 使用点和线的单目视觉里程计

    本研究提出了一种结合点和边的视觉里程计算法，利用概率框架同时最小化光度误差和匹配边缘的几何误差来恢复相机位姿，并在纹理稀疏的环境中表现出比现有单目里程表算法更好的性能。在多个公开数据集上，本算法实现了与最先进的单目里程表方法相媲美的性能。

    Mar, 2017

  • CenterLoc3D: 道路监控摄像头的单目三维车辆定位网络

    本文提出了一种针对单目相机的 3D 车辆定位网络 CenterLoc3D，通过解决摄像头标定和使用空间约束嵌入到 CenterLoc3D 的损失函数实现了用于路侧单目摄像头的 3D 车辆定位，同时提出了 SVLD-3D 数据集、标注工具和评估指标。经实验验证，所提出的方法具有高精度和实时性。

    Mar, 2022

  • 基于伪激光雷达点云的单目 3D 目标检测

    提升单目深度学习算法中对于三维场景物体检测的表现，通过伪 LIDAR 点云实现与 LIDAR 算法的融合，最终在 KITTI 基准测试中取得了最优结果。

    Mar, 2019

  • DVLO：深度视觉 - LiDAR 里程计，使用局部到全局特征融合和双向结构对齐

    通过局部到全局的融合网络与双向结构对齐，本研究解决了视觉 - LiDAR 融合中由于两种模态之间内在数据结构不一致性而带来的挑战，取得了在 KITTI 里程计和 FlyingThings3D 场景流数据集上超过单模态和多模态方法的最新成果。

    Mar, 2024

  • 基于稠密三维流的单目视觉里程计与稠密三维建图学习

    本文介绍了一个全新的深度学习方法来进行单目 SLAM，通过使用学习视觉里程计（L-VO）和稠密 3D 映射的神经网络，该方法能够实现同时定位与建图。

    Mar, 2018

  • 全几何全景定位

    介绍了一种利用 2D-3D 线条几何的轻量级而准确的定位方法，通过全景视图来定位，避免了训练或手工制作视觉描述符，提取线条关系中的主导方向和非平行线条的交点等以表达独特而紧凑的空间上下文，其结果表示与传统视觉描述符方法相比，处理时间和内存上更加高效；验证了该方法在具有相似结构、领域转变或光照变化的挑战性场景中的定位效果；由于是完全几何的方法，无需进行庞大的参数调整或神经网络训练，因此具有实际应用价值，可以直接部署在实际世界中。

    Mar, 2024

  • 基于深度学习的拓扑定位

    该论文提出了一种基于视觉和 LiDAR-based 的深度学习网络联合的、采用较为经济实惠的相机作为被动传感器的方法，将它们训练后进行优化以提高室外定位的精度，其误差比传统的视觉定位方法小至少 10 倍，通过对行人行为的不同研究，成功避免了多种不同时间、气候带来的问题。

    Jun, 2017

  • OCM3D：基于物体的单目三维物体检测

    本文提出了一种适用于单目三维目标检测的新型基于物体的体素表示法，能够有效地组织噪点云在体素网格内，并能够精确定位对象在三维空间中的位置。通过考虑三维物体与相关二维框之间的关系，我们将单目三维目标检测中的置信度机制进行了分解，并在 KITTI 数据集上进行了评估，性能显著优于现有技术。

    Apr, 2021

  • 使用 2D 估计进行 3D 物体定位的计算机视觉应用

    该论文提出了一种基于姿态估计和相机校准的物体定位技术，该技术利用多个物体的 2D 图像估计 3D 坐标以进行相机校准，并采用变换策略从 2D 图像中估计 3D 姿态。

    Sep, 2020