EasyHeC 是一种新的手眼标定方法，采用无标记，白盒的方法，通过可微分渲染的摄像头姿态优化和基于一致性的关节空间探索，能够准确优化标定过程，消除手动设计机器人关节姿势的繁琐过程。通过在合成和真实的数据集上进行评估，EasyHeC 表现出优异的性能，提供精确的摄像机姿态，增强下游的操作任务。

May, 2023

本文介绍了一种新颖的端到端可学习的多视角三维点云拼接算法，该算法集成了两阶段流程（成对对准和全局优化），并且是当前领先技术的改进。

Jan, 2020

该研究提出了一种新的注册框架 HumanReg，通过学习两个人体点云之间的非刚性变换，引入了身体先验来有效处理这种类型的点云。与大多数现有的需要昂贵的点对点流注释的监督注册技术不同，HumanReg 可以以自我监督的方式进行训练，借助一组新的损失函数。为了使我们的模型更好地收敛于实际数据，我们还提出了预训练策略以及一个由动态、稀疏人体点云及其自动生成的地面真值注释组成的合成数据集（HumanSyn4D）。我们的实验表明，HumanReg 在 CAPE-512 数据集上实现了最先进的性能，在另一个更具挑战性的真实世界数据集上实现了定性结果。此外，我们的消融研究证明了合成数据集和新的损失函数的有效性。我们的代码和合成数据集可在此 https 网址找到。

Dec, 2023

在工业场景中，人机协作依赖于多摄像头系统来监控人工操作员，尽管机器人工作区域通常会出现遮挡。本文介绍了一种创新且强大的多摄像头手眼标定方法，旨在优化每个摄像头与机器人基坐标系以及其他摄像头之间的姿态，通过全面的实验证明了该方法优于现有技术的表现，即使只使用不到 10 张图像，并且公开发布了我们的多摄像头手眼标定算法的开源版本。

Jun, 2024

通过使用概率点云去噪扩散模型，我们提出了一种面向单眼手持物体重建的手感知条件扩散方法（HACD），该方法通过手 - 物体交互的语义和几何角度进行建模，通过手顶点先验将部分去噪点云的质心偏移限制在一个范围内，并通过增强局部特征投影的稳定性和精度来提高形状的重构稳定性和精度，实验证明我们的方法在 ObMan、HO3D 和 MOW 数据集上超过了所有现有方法。

Nov, 2023

该研究提出了一种低成本无需昂贵传感器，即可通过学习眼手协调和点对齐能力的方法解决机器人精密操作任务的算法 Binocular Alignment Learning，该算法在仿真和实际机器人测试中都达到了良好的性能。

May, 2022

本文介绍了一种新的基于凸优化的手眼标定方法，该方法能够在传感器不能观测到其中一个方向的尺度的情况下，提供可验证的全局最优解，并且在合成数据实验中证明了算法的最优性和速度。

May, 2020

本文提出一种基于图像结构属性的新型特征描述符 HOPC 和相似度度量方法 HOPCncc，用于在多模式遥感数据（如光学、LiDAR、SAR）之间进行自动配准，试验表明，在匹配性能方面，HOPCncc 具有鲁棒性并优于基于 NCC 和互信息的现有相似性度量方法。

Mar, 2021

基于球形体素的特征表示和分层对应筛选的点云配准方法适用于同质和异质数据，能有效应对不同密度和分布的点云数据，滤出高质量对应点，实现了多领域点云配准。

Mar, 2024

通过利用丰富的几何信息，我们提出了一种新的解决方案 Q-REG，用于从单个对应关系估计刚性姿态，并在 3DMatch、KITTI 和 ModelNet 基准测试中取得了最新的最佳成果。

Sep, 2023