ECCVAug, 2020

超越受控环境：在室内场景变化中的 3D 摄像机重新定位

PDF
TL;DR本文提出了 RIO10 基准测试和工具，用于评估室内场景下长期相机重新定位的表现，并探讨了不同类型场景变化对不同方法的影响，并发现长期室内重新定位是一个尚未解决的问题。
long-term camera re-localizationindoor scenesrio10 benchmarkmetricsstate-of-the-art methods
发现论文，激发创造
  • RIO: 在室内变化环境中重新定位三维物体实例

    本研究介绍了三维物体实例重新定位任务，提出了使用新的数据驱动方法 —— 完全卷积三维对应网络和位姿优化来完成该任务，并使用新建立的 3RScan 数据集和基准测试来评估其性能，实现了 30.58% 的准确率。

    Aug, 2019

  • 拥挤室内环境的大规模定位数据集

    使用新型的激光雷达 SLAM 技术和结构运动优化方法在大型商场和地铁站获取室内数据集以便于在室内环境中进行视觉定位，并测试现代化的视觉定位算法，证明结构基方法使用健壮的图像特征具有更高的性能。

    May, 2021

  • 使用重新本地化级联实时估计新场景中的 RGB-D 摄像机姿态

    本文提出了一种改进的方法来解决摄像机位姿估计问题，利用回归森林对场景中的关键点进行对应，采用几何方法评分并选择最有前途的假设，使用多个快速但不精确的重新定位器级联，调整参数以实现有效的性能，实现了重定位性能的显着提升。

    Oct, 2018

  • 生活场景：多目标重定位和重建在不断变化的 3D 环境中

    通过 MoRE 方法实现多对象重定位和重建，针对演化环境中长期变化和稀疏观测进行研究，利用单一编码器 - 解码器网络的等变 SE (3) 表示实现实例匹配、配准和重建，在合成和真实数据上验证了其在整体性能和各个子任务上的最新性能。

    Dec, 2023

  • 在不断变化的条件下对 6 自由度室外视觉定位进行基准测试

    本文介绍了首个针对分析不同因素对视觉定位影响的基准数据集，其中使用先进的本地化方法通过广泛实验评估了各种因素对于六度自由度（6DOF）相机姿态估计准确性的影响，并对其难度进行了总结，最终提出了未来研究的有益方向，包括序列定位方法和更好的本地特征。

    Jul, 2017

  • 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

  • 室内场景实时渐进式 3D 语义分割

    本文提出了一种高效而健壮的技术，实现了 3D 室内场景的即时密集语义分割和重建，该方法基于高效的超体素聚类方法和来自结构和对象线索的高阶约束的条件随机场，无需预先计算即可进行渐进式密集语义分割。通过对 SceneNN 和 ScanNet 数据集中的不同室内场景进行广泛评估，证明了该技术在定性和定量实验中始终能够产生最先进的分割结果。

    Apr, 2018

  • 室内场景的完整三维模型预测

    本文提出了一种基于数据驱动的方法解释室内场景，并利用 CAD 3D 模型表示场景中的物体和墙壁布局，最终在 NYU 数据集上呈现了令人鼓舞的结果。

    Apr, 2015

  • 使用移动传感器进行长期视觉定位

    本研究提出使用手机的 GPS、罗盘和重力传感器等附加传感器来解决室外场景下相机定位的挑战性问题，通过开发出直接的二维 - 三维匹配网络和采集公开数据集等手段，证明了该方法的有效性。

    Apr, 2023

  • 在线互操作姿态优化协同大规模稠密三维重建

    本论文利用实时全局一致的重建系统和新的视觉惯性里程计方法，结合高质量的基于回归森林的定位方法，实现了第一款允许多用户合作使用普通硬件在半小时内重建整个建筑的系统。

    Jan, 2018