ECCVJul, 2020

利用鲁棒可微几何优化端到端解决盲视角 N 点问题

PDF
TL;DR该研究提出了一种基于端到端学习的盲 PnP 求解器，利用最近的优化问题微分研究结果将几何模型拟合集成到学习框架中，包括 Sinkhorn、RANSAC 和 PnP 算法，可有效地实现全局定位和三维场景点的快速估计
blind perspective-n-pointpose estimationend-to-end learninggeometric model fittingransac
发现论文，激发创造
  • 通过反向传播 PnP 优化实现端到端可学习的几何视觉

    BPnP 是一种全新的网络模块，可以在神经网络的参数更新过程中通过将反向传播的梯度通过透视 n 点（PnP）求解器引导，从而将深度学习和几何视觉进行无缝结合。

    Sep, 2019

  • 学习 2D-3D 对应关系以解决盲目透视 n 点问题

    本文提出了一种深度 CNN 模型，该模型能够同时解决 6 自由度绝对摄像机姿态和 2D-3D 对应关系，通过全局特征匹配模块和分类模块实现了对无先验知识的 2D-3D 对应关系的盲目 PnP 问题的有效解决。

    Mar, 2020

  • EPro-PnP: 单目对象姿态估计的通用端到端概率透视 n 点算法

    本文提出了一种用于 3D 物体检测的 PnP 基于深度学习和概率密度的可微分神经网络层，通过最小化 KL 散度来学习 2D-3D 点匹配权重，实现了端到端的姿态估计和精准的物体定位。

    Mar, 2023

  • EPro-PnP: 单目物体姿态估计的端到端概率透视 n 点推广

    该论文提出了一种名为 EPro-PnP 的概率 PnP 层，用于在端到端位姿估计中输出 SE (3) 流形上的位姿分布，该原理统一了现有方法并类似于注意力机制， 成功地将 PnP 方法与任务特定的领袖之间的差距缩小，从而提高了 LineMOD 6 自由度位姿估计和 nuScenes 3D 对象检测的性能。

    Mar, 2022

  • MLPnP - 透视 n 点问题的实时最大似然解

    本论文提出了一种统计上最优解决视角 - n - 点（PnP）问题的解决方案，该方案能够考虑观测的不确定性。该方法具有鲁棒性，可以适用于任意中心相机模型，并且具有实时处理能力。

    Jul, 2016

  • 基于点线的相机位姿不确定性感知估计

    通过考虑特征的 2D 和 3D 坐标的不确定性，提出了一种基于 EPnP 和 DLS 的 PnP (L) 求解器，将其应用于机器人和 AR / VR 系统中的相机定位，实验表明该方法在准确度方面优于现有算法，并使位姿估计出现提高。

    Jul, 2021

  • 用于同时相机位姿和特征对应的全局优化局内点集最大化

    应用全局最优内点集基数最大化方法求解相机位姿和对应特征点，使用 SE (3) 几何学方法来限定内点上下界限，并利用分支定界算法在 6 维相机位姿空间进行搜索，实验结果表明该方法更加鲁棒可靠，并表现出比使用局部最优化方法更好的速度和精度。

    Sep, 2017

  • 二维姿态估计的 PnP 算法

    我们提出了一种应用于二维运动的相机受限的 PnP 算法，通过降低搜索空间的维度，提高了性能，并减少了姿态估计的模糊度。该算法使用几何标准找到一个近似解，并通过迭代进行预测的优化。我们将该算法与现有的三维 PnP 算法在一般和共面点配置的情况下进行了比较。

    Dec, 2023

  • 一种基于一点 RANSAC 的地面物体位姿估计方法

    本研究提出一种基于 1 点 RANSAC 的高效姿态估计方法，利用地面对象假设和 2D 对象边框作为附加观察来实现姿态计算，以实现最快的性能，并采用分层的鲁棒性估计方法来优化估计结果。在合成和实际数据集中的实验表明所提出的方法具有优越性。

    Aug, 2020

  • KVN：具有可微分 RANSAC 的关键点投票网络用于立体姿态估计

    本文介绍了一种使用可微分 RANSAC 层和基于不确定性的多视图 PnP 求解器对基于立体图像的物体姿态估计问题进行解决的方法，并在公开数据集上进行了评估，取得了与其他最近方法相比的最新结果。

    Jul, 2023