CVPRAug, 2020

一种基于一点 RANSAC 的地面物体位姿估计方法

PDF
TL;DR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。
发现论文，激发创造
  • 单阶段 6D 物体位姿估计

    本文介绍了一种基于深度学习的 6D 姿态估计架构，能够直接从对应点回归 6D 姿态，并提出了单阶段 6D 姿态估计框架，能够在准确性和速度方面显著优于现有的双阶段框架。

    Nov, 2019

  • 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

  • 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

  • 基于分割的 6D 物体姿态估计

    本文提出一种基于分割的 6D 姿态估计框架，使用关键点检测获取局部姿态预测，并根据置信度预测将这些姿态候选融合成可靠的 3D-to-2D 对应关系，从而在多个低纹理物体相互遮挡的情况下获得最优姿态估计，其采用简单且高效的架构实现实时性能。

    Dec, 2018

  • 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

  • 利用鲁棒可微几何优化端到端解决盲视角 N 点问题

    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

    Jul, 2020

  • PointVoteNet: 点云中准确的物体检测和 6 自由度位姿估计

    本文提出了一种基于学习的方法，用于在点云数据中完成刚性物体的 6 自由度姿态估计，并且相比于使用 RGB 信息进行物体检测的方法，本方法可以通过初始检测到最终转换估计阶段处理无序的点集来实现准确的姿态估计，有些情况下还能够超过在相同数据上训练的最先进的方法.

    Dec, 2019

  • 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

  • MonoRUn: 单目三维物体检测通过重建和不确定性传播

    提出了一种名为 MonoRUn 的检测框架，该框架通过自我监督学习，仅使用简单的三维边界框注释学习密集的对应关系和几何学，并利用不确定性感知的区域重建网络来回归像素相关的三维目标坐标，并利用预测的不确定性通过整个下游模块，实现对象姿态的估计和协方差，实验表明该方法在 KITTI 基准测试中优于当前最先进的方法。

    Mar, 2021

  • 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