Jul, 2020

AVP-SLAM: 自主车辆停车场语义化视觉建图与定位

PDF
TL;DR研究了利用强大的语义特征在 GPS 无法导航的停车场中构建地图和进行车辆定位的方法，采用四个环视摄像头和惯性测量单元及轮速编码器辅助建立实用的自主泊车系统。
发现论文，激发创造
  • 自主车辆的单目语义地图定位

    提出了一种新颖的轻量级视觉语义定位算法，通过稳定的语义特征代替低级纹理特征，结合离线构建的语义地图和在线的数据关联实现实时的自动驾驶定位。实验结果表明，该方法在各种自动驾驶定位任务中是可靠且实用的定位解决方案。

    Jun, 2024

  • 基于视觉 SLAM 的轨迹训练自动泊车系统

    本文介绍了一种基于视觉算法的 “训练轨迹” 自动驾驶停车系统，并将其部署在商用车上展示其消费应用。

    Jan, 2020

  • 室内视觉定位的深度密集局部特征匹配和车辆去除

    本文提出了一种使用深度密集局部特征匹配和车辆检测器相结合的视觉定位框架，以消除车辆造成的虚假匹配，实现对室内停车场的定位，并在基准数据集上取得了 86.9% 的准确率，表现优于现有方法。

    May, 2022

  • 城市自动驾驶应用的概率语义地图

    本文介绍了一种将图像和预先构建的点云地图信息融合的方法来自动且准确地标记诸如道路、人行道、人行横道和车道等静态地标，并展示了该模型可以预测大部分道路特征并可以扩展用于自动将道路特征纳入高清地图。

    Jun, 2020

  • 利用稀疏语义高清地图实现自动驾驶汽车定位

    本文提出了一种基于多个传感器的语义定位算法，利用车道，交通标志和车辆动态等信息，以贝叶斯滤波框架为基础，实现对稀疏语义地图的鲁棒定位，相较于传统基于几何学和 LiDAR 强度的定位器所需的储存空间降低了数个数量级，并且证明了其在 312 公里公路数据集上能够获得 0.05m 的横向精度和 1.12m 的纵向精度。

    Aug, 2019

  • 使用语义分割图像进行长期视觉定位

    在自动驾驶车辆的长期视觉导航中，利用图像的语义分割和 3D 点云制作具有语义标签的地图，通过粒子滤波来实现车辆定位，从而在大多数时候实现低于 1 米的定位误差。

    Jan, 2018

  • 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

  • 基于视觉的 BEV 自动停车规划

    基于 A * 算法，结合车辆运动学模型、启发式函数优化、双向搜索和贝塞尔曲线优化的改进型自动停车算法，提高了算法的计算速度和实时能力，并利用数值优化方法生成最终停车轨迹，确保了停车路径的安全性。与传统算法相比，该方法在更具挑战性的碰撞风险测试案例中计算时间减少，并在舒适性指标上的性能提升。

    May, 2024

  • 基于学习的语义地图构建与鲁棒摄像机定位

    介绍了一种使用语义特征的视觉惯性里程计系统 SemanticSLAM，可以在室内环境中进行可靠的相机定位，改善位姿估计并生成语义地图，可用于路径规划、避障和机器人导航等下游任务。

    Jan, 2024

  • 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