关于视觉相机重定位中伪标准真值的限制
提出了一种无需建立场景特定三维地图的场景单图参考图像重定位技术,并通过对世界范围内的小型艺术品,如雕塑、壁画和喷泉的构建新数据集,测试了现有算法的可行性及基准结果,并发现无地图重定位仍需新型创新技术的挑战。
Oct, 2022
我们提出了相对位姿回归的几种新度量方式并给出了一种新的姿态回归网络,将其与传统方法比较,结果表明新的度量方法比传统方法更稳健,并且我们的网络在单个场景训练模型后,在其他场景上的性能损失很小。
Sep, 2020
本文介绍了一个用于本地特征与鲁棒估计算法的全面基准测试,旨在通过相机位姿的准确性作为主要指标。我们的管道模块化结构允许易于集成、配置和组合不同的方法和启发式算法。同时我们展示了如何嵌入数十种流行算法进行评估,进而表明经典算法在适当的设置下可能仍能胜过认为的最前沿机器学习研究。此外,我们实验发现一些意想不到的图像匹配解决方案的性质,这有助于改进它们的性能,无论是算法还是机器学习方法。我们提供了一个易于使用和灵活的框架,用于衡量本地特征与鲁棒估计方法,同时与顶级方法进行比较,构建了一个基础性的图像匹配挑战平台。
Mar, 2020
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
该研究论文研究了视觉定位中图像检索方法对定位性能的影响,并提出了专为定位场景设计的检索方法的需求。通过引入基准测试和多种 “地面真实性” 定义以及针对经典地标检索或地点识别任务的检索效能的分析,探讨了这种影响。
May, 2022
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
本文通过直接对多个视图中的低级图像信息进行对齐以提高结构运动两个关键步骤的精度,该方法通过采用神经网络预测的密集特征来优化特征度量误差从而提高了相机姿态和场景几何的准确性。
Aug, 2021
本文提出了一种名为 SC-wLS 的前馈方法,该方法利用所有场景坐标估计来进行加权最小二乘姿态回归,通过被施加在 2D-3D 对应关系上的权重网络进行可区分的公式化,且只需要姿态监督,通过 7scenes 和剑桥数据集的评估表明,与之前的前馈方法相比,SC-wLS 方法显著提高了性能。此外,我们的 SC-wLS 方法还实现了一种新的功能:加权网络的自我监督测试时间适应。
Oct, 2022