May, 2023

Pentagon-Match（PMatch）：用于基于局部特征匹配的单应性估计的视角不变平面特征识别

PDF
TL;DR研究了计算机视觉中的点对应问题，提出了一种基于五边形采样的新型采样方案，可以更准确地识别初始匹配的关键点，从而高效地获取平面场景的视角无关的单应矩阵，同时可以准确鉴别错误匹配和多平面情况。
computer visionpoint correspondencesampling schemepentagon-matchhomography
发现论文，激发创造
  • 基于平面先验辅助的 PatchMatch 多视角立体匹配

    本文提出了一种基于平面先验辅助 PatchMatch 多视角立体视觉框架的方法，用于三维模型的恢复。实验证明，该方法可以高效地恢复极低纹理区域的深度信息，从而获得高度完整的三维模型并实现目前最佳性能。

    Dec, 2019

  • 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

  • 基本矩阵估计中特征匹配算法评估

    评估最近算法在图像匹配及极线几何评估中的表现，并利用它们设计出更实用的注册系统，扩大计算机视觉任务的应用，通过四个大型数据集的实验，提出了三种高质量的匹配系统和粗 - 细 RANSAC 评估器，具有潜在的应用前景。

    Aug, 2019

  • MP-MVS：多尺度窗口 PatchMatch 和平面先验多视图立体视觉

    在本文中，我们提出了一种弹性且有效的多视角立体匹配方法（MP-MVS），该方法利用多尺度窗口 PatchMatch（mPM）获得非纹理区域的可靠深度，并通过改进的棋盘格采样方案和改进的平面先验辅助 PatchMatch（ACMP）来提高立体匹配的准确性和效率。

    Sep, 2023

  • 从区域到点的搜索：面向语义几何特征匹配的层次框架

    本文介绍了一种基于面积匹配的层次型特征匹配框架：A2PM，通过先找到图像间语义区域匹配，再在区域匹配上执行点匹配，将搜索空间设置为具有显著特征的区域匹配，从而实现高匹配精度，并使用语义和几何区域匹配方法（SGAM）来建立精确无误的区域匹配。通过将 SGAM 与现有的 Transformer-based 匹配器结合使用，我们的特征匹配方法在大规模点匹配和姿态估计实验中取得了令人鼓舞的精确度改进。

    Apr, 2023

  • P2-Net：针对像素和点匹配的局部特征描述和检测的联合方法

    提出了一个双重完全卷积框架，用于建立 2D 图像和 3D 点云之间的精细对应关系，以直接匹配像素和点，并实现了室内视觉定位的任务中领先的最优结果。

    Mar, 2021

  • 基于特征度量细化的像素完美式结构运动恢复

    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

  • 利用摄影测量网格模型进行空地特征点匹配，实现集成化三维重建

    在城市环境中，使用航空和地面图像相结合的方法提高了地表重建的效率。为了解决来自视角和光照条件的巨大差异导致的特征点匹配困难的问题，本文提出了一种新方法，利用摄影测量网格模型进行相机标定和图像匹配，这种方法具有线性时间复杂度，可以解决多个问题，从而得到更为准确完整的模型。

    Feb, 2020

  • 在相机几何计算中实现仿射对应

    本文提出了一种有效使用区域匹配的指导方针，并结合对称强度匹配的局部特征几何形状精炼方法，将不确定性传递到 RANSAC 中，并适应样本手性检查来进行单应性估计；实验结果表明，按照本文提出的指导方针，仿射求解器可以在更快的运行时间内实现与基于点的求解器同样的准确性。

    Jul, 2020

  • 未标定相机的五点基础矩阵估计

    使用 SIFT 检测器获取的五个旋转不变特征对，估计两视图中的基础矩阵，首先从三个对应点估计一个单应性矩阵，然后从该矩阵和另外两个位置一般的点对中获取基本矩阵，结合 Graph-Cut RANSAC 等鲁棒估计器优于其他最先进的算法，在准确性和所需迭代次数方面得到验证。作为潜在应用，我们展示了使用所提出的方法使得两视图多运动估计更加准确。

    Mar, 2018