CVPRApr, 2022

LASER：2D 视觉定位的潜在空间渲染

PDF
TL;DRLASER 是一个基于图像的蒙特卡罗定位 (MCL) 框架，采用潜在空间渲染的概念，通过聚合视角射线特征将 2D 平面地图上的位姿假设直接渲染到几何结构化的潜在空间中。采用紧耦合的渲染码本方案，该方案在渲染时动态地基于其几何形状（即长度，入射角）确定视角射线特征，从而赋予我们的表示具有视角相关的细粒度可变性。此外，通过度量学习，我们的几何结构化潜在空间对位姿假设和任意视场的查询图像都是共通的。结果，在大规模室内定位数据集上，LASER 在全景和透视图像查询中实现了最先进的性能，同时在速度上明显优于现有的基于学习的方法。
发现论文，激发创造
  • 激光：用于三维生成建模的潜在集表示

    Laser-NV 是一种基于集合型潜在变量模型的生成模型，通过几个视角进行快速前向推理，同时结合几何分析的注意机制生成一般三维物体的高保真且一致性良好的图像。

    Jan, 2023

  • 动态未访问环境下的潜在布局定位 - LaLaLoc

    LaLaLoc 利用房间布局的潜在表示进行本地化，通过潜在空间中的直接交叉模态姿态优化实现对全景图的细粒度姿态估计，从而在没有先前访问的情况下弥补了其它方法的缺陷，具有鲁棒性和较高的准确性。

    Apr, 2021

  • 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

  • IR-MCL: 基于隐式表示的在线全局定位

    本文提出一种基于神经场的方法，使用 2D LiDAR 数据在室内环境中估计机器人的姿态，并将其用于蒙特卡罗定位系统中的观测模型，实现了精确的本地化。实验表明，所提出的隐式表示能够预测更准确的 2D LiDAR 扫描，带来了粒子滤波定位的更好观测模型。

    Oct, 2022

  • F$^3$Loc：地板布局定位的融合与过滤

    我们提出了一种高效的数据驱动的解决方案，用于楼层平面图的自我定位。该方法不需要每张地图和位置的重新训练，也不需要大量图片数据库。我们提出了一个由观测模块和新型时间滤波模块组成的新颖概率模型。我们的方法适用于传统消费硬件，并克服了其他方法常常需要直立图像的共同限制。我们的系统满足实时要求，并在性能上显著超过现有技术。

    Mar, 2024

  • 宽区域施工环境室内制图的 SLAM

    在工厂大厅这样的复杂环境中，利用四个立体摄像头和一个三维激光扫描仪，应用最先进的激光雷达和视觉 SLAM 方法，进行数据收集、轨迹估计和密集地图生成，并生成精确的深度图用于自动建筑和现场监测。

    Apr, 2024

  • 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

  • CodeSLAM - 学习一种紧凑的、可优化的密集视觉 SLAM 表示

    本文介绍了一种基于单张图像强度数据的密集场景几何表示方法，在单目稠密 SLAM 系统中具有优异的性能表现。

    Apr, 2018

  • 全球潜在神经渲染

    通过学习一个全局渲染算子，以 5 维直方图体积作为正确的表示来处理目标图像，我们引入了一种高效的卷积全局潜在渲染器 (ConvGLR)，实验证明我们的方法在各个数据集上稀疏和可推广的设置下一直明显优于现有的方法。

    Dec, 2023