ECCVMar, 2022

几何是否足够用于视觉定位中的匹配？

PDF
TL;DR本文提出 GoMatch 作为大规模本地化中仅基于几何信息匹配图像关键点到地图的替代方案，使用 3D 点的旋转矢量表示地图，减少了存储需求并提高了实时性。实验表明，与最佳视觉匹配方法相比，GoMatch 在 Cambridge Landmarks 和 7-Scenes 上的平均姿态中位误差分别降低了 (10.67 米，95.7 度) 和 (1.43 米，34.7 度)，并且只需最佳视觉匹配方法存储能力的 1.5/1.7%。
发现论文，激发创造
  • 基于图像的地理定位通过地面到 2.5D 地图匹配

    本文研究基于图像的地理定位问题，通过在地图上确定地面视角的查询图像。我们提出了一种新的方法，通过 2.5D 空间中的结构高度来引导跨视图匹配，并借助多模态数据学习代表性嵌入。我们构建了第一个大规模的地面到 2.5D 地图地理定位数据集来验证我们的方法，并在单图像定位和路径定位等任务上进行了广泛实验，结果表明我们的方法在定位精度和收敛速度上明显优于之前的基于 2D 地图的方法。

    Aug, 2023

  • 可几何映射的图像特征

    本文介绍了一种机器学习方法，用于学习基于图像检索的定位图像特征，通过引导学习过程，使图像特征与几何距离成比例，并在实验中表现出更好的定位准确度以及在缺乏参考图像的情况下估计查询序列轨迹的能力。

    Mar, 2020

  • 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

  • 视角不变的稠密匹配用于视觉地理定位

    本文提出了一种新的基于密集局部特征的图像匹配方法，名为 GeoWarp，旨在解决视觉地理定位中的视角不变性问题，并通过新的自监督损失和两种新的弱监督损失进行训练。实验证明，GeoWarp 可以提高先进检索架构的准确性。

    Sep, 2021

  • 局部特征几何的多视角优化

    本研究提出了一种基于多视图三角化和非线性最小二乘的方法来优化局部图像特征的定位精度，实验证明该方法能够提高手工制作和学习的局部特征的三角化和相机定位性能。

    Mar, 2020

  • 学习产生半密集对应关系进行视觉定位

    在夜间场景、恶劣天气和季节变化等苛刻条件下进行视觉定位是一项具有挑战性的任务。本研究提出了一种新颖的定位方法，通过提取可靠的半稠密的 2D-3D 匹配点来改进相机位姿估计的准确性，即使在噪声场景中也能取得显著的成果。

    Feb, 2024

  • 大规模实时视觉惯性定位重访

    本文提出了一种基于图像的定位方法，使用本地特征和稀疏的三维模型进行全球规模的离线和在线实时客户端姿态融合，实现低延迟本地化查询，证明了该方法在大规模模型上的有效性。

    Jun, 2019

  • 3DMatch: 从 RGB-D 重建学习局部几何描述符

    本文提出了一种名为 3DMatch 的数据驱动模型，它可以学习用于建立局部 3D 数据对应关系的局部体积块描述符，且利用自我监督特征学习方法来汇集训练数据。实验证明，该描述符不仅可以用于重构新场景的局部几何形状的匹配，而且可以推广到不同的任务和空间尺度。

    Mar, 2016

  • 全几何全景定位

    介绍了一种利用 2D-3D 线条几何的轻量级而准确的定位方法，通过全景视图来定位，避免了训练或手工制作视觉描述符，提取线条关系中的主导方向和非平行线条的交点等以表达独特而紧凑的空间上下文，其结果表示与传统视觉描述符方法相比，处理时间和内存上更加高效；验证了该方法在具有相似结构、领域转变或光照变化的挑战性场景中的定位效果；由于是完全几何的方法，无需进行庞大的参数调整或神经网络训练，因此具有实际应用价值，可以直接部署在实际世界中。

    Mar, 2024

  • 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