OSPC:在线序列光度校准
本文提出了一种在线光度标定方法,该方法使用鲁棒的 KLT 特征跟踪获得场景点对应关系,用于非线性优化框架,从而恢复连续帧的曝光时间、摄像机响应函数和传感器污损因子,实现对任意视频序列的可靠标定,并验证了其可以提高基于像素强度完全在线标定光度参数的最先进直接视觉里程计方法的性能。
Oct, 2017
通过定量评估直接、特征和半直接方法的最新技术,提供了社区有用的实用知识,以便更好地应用现有的方法和开发新的 VO 和 SLAM 算法,并提出了可能的改进现有方法的建议。
May, 2017
本研究提供了两种新方法来估计相机和全局姿态传感器之间的准确可靠的时空校准参数。第一种是高精度和一致性的离线基于目标的方法,通过同时优化时空参数、摄像机内参和轨迹。第二种是无需标定目标的在线方法,实现了估计时空参数的时变性,并进行了详细的可观测性分析,从而为校准提供了可解释的指导原则。最后,通过手持实际数据集的评估,验证了两种方法的准确性和一致性,这些数据集在传统手眼校准方法中无法工作。
Mar, 2024
本文提出一个通过联合光度优化密集几何和摄像机参数,用于 3D 重建的框架,使其比特征点 bundle 调整更具指标重建精度,该框架可以应用于大规模的数据集,并且在面对不同的光照和相机内参时有更好的表现。
Aug, 2020
提出了一个包含 50 个具有独特多样性的现实中场景的数据集,用于评估单目视觉里程计和 SLAM 方法的跟踪精度,并在此基础上提出了一个相机光度校准的简单方法以及一种非参数化暗角校准方法,该研究详细评估了两种现有方法(ORB-SLAM 和 DSO)在该数据集上的效果。
Jul, 2016
本文主要研究使用 LED 作为点光源时的光度立体成像问题,并提出了一种可行的校准方法和 PDE 数值解法。此方法通过交替加权最小二乘法得到了较好的结果。
Jul, 2017
提出了一种新的直接稀疏视觉里程计公式,将全直接概率模型(最小化光度误差)与所有模型参数(包括几何结构 - 在参考帧中表示为反深度 - 和相机运动)的一致联合优化相结合。
Jul, 2016
本文提出了一种高效的原则性变分方法来进行低限制的反射光照下未校准的 Photometric Stereo 技术,其中近似于通过球形谐波展开的兰伯特反射模型,通过单个变分问题来联合恢复形状,反射和光照。
Apr, 2019
提出了一种基于自监督学习和直接在线优化的方法,通过将三项传感器(相机,雷达和激光雷达)的物理特性和语义信息,综合校准实现无目标的校准,以实现安全可靠的自动驾驶技术。
Jun, 2022