ICLRJun, 2020

用于 6 DoF 本地化和密集三维建图的变分状态空间模型

PDF
TL;DR使用深度状态空间模型中的近似贝叶斯推理方法，结合多视图几何和刚体动力学的领域知识，进行六自由度本地化和三维密集重建。我们的方法在真实的无人机飞行数据上进行评估，接近最先进的视觉惯性测距系统的表现，并展示了模型在生成预测和规划方面的应用性。
localisation3d reconstructionbayesian inferencedeep state-space modelunmanned aerial vehicle
发现论文，激发创造
  • 变分高斯过程状态空间模型

    该论文介绍了利用稀疏高斯过程进行非线性状态空间建模的高效变分贝叶斯学习的过程，以及后续的可处理的非线性动态系统建模、模型容量和计算成本的平衡、避免过度拟合以及使用混合推理方法（变分贝叶斯和顺序蒙特卡洛）进行主算法等。

    Jun, 2014

  • 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

  • CodeMapping: 使用紧凑场景表示进行稀疏 SLAM 的实时稠密映射

    本篇文章提出了一种用于稀疏视觉 SLAM 系统的新型稠密建图框架，它基于一种紧凑的场景表示方式，可以用于机器人和增强现实等应用领域。该框架使用了变分自编码器，通过多视角优化可以改善重叠帧的一致性，对于任意度量的稀疏 SLAM 系统进行无缝集成，能够进行全局一致的稠密三维重建。

    Jul, 2021

  • InLoc: 室内稠密匹配和视角合成的视觉定位

    本文研究了室内大规模定位中基于景深匹配和虚拟视图合成的视觉方法，通过收集新的大规模数据集进行实验，证明了该方法在 6DoF 姿态预测方面明显优于现有方法。

    Mar, 2018

  • 动态 3D 高斯：通过持久动态视图合成进行跟踪

    同时解决动态场景新视角合成和六自由度跟踪所有密集场景元素的方法，通过分析合成框架，模型化动态场景，并用于各种后续应用。

    Aug, 2023

  • 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

  • 空间环境下的近似贝叶斯推理

    该论文介绍了一种基于模型的方法，利用概率推理和深度生成模型的方法，解决在空间环境中的定位、绘图、导航或自主探索等问题，并能够灵活地从数据中学习。该方法在两个不同的模拟环境中表现出了与专业最新方法相当的性能。

    May, 2018

  • 双稀疏变分高斯过程

    本文提出了结合 inducing points 和 state-space formulation 的方法，并给出了相应的 varitational parameterisation 公式，该方法在深度高斯过程模型中的应用效果明显。

    Jan, 2020

  • DeepFactors：实时概率稠密单目 SLAM

    该研究论文利用学习到的紧凑深度图表示和重构三种不同类型的误差，将光度误差，重投影误差和几何误差应用于标准因子图软件中，将不同的方法统一到概率框架中，实现实时性能的同时对现实世界序列的轨迹估计和深度重建进行评估，并呈现了估计的丰富几何示例。

    Jan, 2020

  • 使用稀疏语义 3D 地图的视觉定位

    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