基于增量旋转平均和环路闭合的单目旋转里程计
本文介绍了一种新的紧密耦合的视觉惯性同时定位和建图系统,采用惯性测量单元进行初始测量,实现了零漂移定位,带有地图重用功能,并应用于单目相机的最一般问题。在微型飞行器公共数据集的 11 个序列中测试了该系统,证明了其比目前最先进的视觉惯性测量方法更为准确。
Oct, 2016
本文提出一种采用局部和全局旋转平均法的混合方法,结合快速的视图图滤波预处理,解决 3D 重建中的精度和准确性问题,并将此方法应用于增量式运动结构,从而将此方法的实用性提高到很高的程度,实验表明,此方法可以有效地纠正糟糕的相机姿态和减小漂移。
Jan, 2021
通过定量评估直接、特征和半直接方法的最新技术,提供了社区有用的实用知识,以便更好地应用现有的方法和开发新的 VO 和 SLAM 算法,并提出了可能的改进现有方法的建议。
May, 2017
本研究设计了一种名为 RD-VIO 的新型视觉惯性测距系统,能够处理动态场景和纯旋转问题,并通过 IMU-PARSAC 算法和延迟三角测量技术来提高在这些问题上的性能。实验证明,在动态环境中,所提出的 RD-VIO 相较于其他方法具有明显优势。
Oct, 2023
本文提出了一种单目视觉惯性 SLAM 系统,可以通过重新定位相机和获取先前构建的地图中的绝对姿态来校正漂移,并进行全局一致性的 4 自由度姿态图优化,进而实现地图合并。
Mar, 2018
本文提出了基于关键帧的视觉惯性同步定位与地图构建(SLAM)方法,通过在线环路闭合和非线性优化方法,使得我们的系统在单目和立体相机上具有实时、准确和鲁棒的位姿估计能力,支持先前建立地图的重定位和持续的 SLAM 操作,并在室内和户外公开数据集上展示了我们方法高精度、高效的性能。
Feb, 2017
本文提出一种直接的视觉惯性里程计方法(VIO),该方法基于来自快门滚动摄像机和惯性测量单元(IMU)的测量,估计传感器设置的运动和环境的稀疏 3D 几何图形,并结合光度束调整,估计一组最近的关键帧姿势和稀疏点的反深度,同时利用 IMU 信息,基于滚动快门效应对速度和偏差进行校准。在公开数据集上进行的实验说明,与不考虑滚动快门的系统相比,所提出的方法表现更好,并在全局快门数据上实现了与全局快门方法类似的准确度。
Nov, 2019
本文提出了一种新的单目直接视觉里程计方法,该方法利用了卷帘快门模型,通过直接稀疏里程计来对一组最近的关键帧姿态和少量图像点进行捆绑调整,估计每个关键帧的速度并强加一个恒定速度先验性,以此获得准实时且精确的直接 VO 方法,在具有挑战性的卷帘快门序列上取得了比最先进的全局快门 VO 更好的结果。
Aug, 2018