本文提出了一种新颖的运动结构算法用于重建无需相机固有标定的全景视频,通过建立一个先验假设并提出三种新的相对姿态方法来实现物体重建,并且采用相机位姿的软先验来调整优化问题,实现多视角立体检测。
Jun, 2019
本文主要介绍计算机视觉中的结构从运动问题,包括相机运动估计和三维结构恢复等关键技术,以及相关应用,如同时定位和地图构建(SLAM),特征提取和匹配等。
Jan, 2017
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
本篇论文提出一种从由立体事件相机拍摄的数据中进行三维重建的方法,该方法包括优化能量函数和概率深度融合策略,并且无需对相机拍摄的场景进行先验知识。实验表明,该方法能够处理纹理丰富和稀疏场景,并优于基于事件数据图像表示的最新立体方法。
Jul, 2018
本文提出了一种基于数据驱动的方法解释室内场景,并利用 CAD 3D 模型表示场景中的物体和墙壁布局,最终在 NYU 数据集上呈现了令人鼓舞的结果。
Apr, 2015
本论文将最新的深度学习方法与基于视频流的半稠密 SLAM 相结合,在室内 / 室外数据集中得到了更好的 2D 语义标签识别,无需针对序列中的每一帧获得语义分割,其时间复杂度也得以合理控制。
Nov, 2016
利用感知、机器人对象交互和三维扫描的积极三维重建方法,恢复目标三维物体的外部和内部几何结构,通过分析各部分的互动性和机器人的部分操作来扫描遮挡区域,自动化操作通过内嵌 RGBD 传感器的 Fetch 机器人完成,最后重建所有未暴露的非活动部分和内部结构完成获取。
Oct, 2023
提出了一种多摄像机系统来实现密集的三维重建和自我运动估计,通过多摄像机间的几何估计和单目深度优化来获得鲁棒的几何深度和姿态估计,同时通过深度优化网络引入可学习的场景先验,从而在具有挑战性的动态室外环境中实现了稠密、一致的三维重建。
Aug, 2023
本文提出一种基于学习的方法,重建移动机器人行进城市环境中的局部地形,通过算法估计机器人周围的地形,采用 4D 全卷积网络,可以利用合成数据进行训练,并在机器人上取得良好效果。
Jun, 2022
本文提供了一个在室外环境中操作的用于多摄像头飞行器控制的实时航拍系统,可以在不使用专用标记的情况下重建自然环境中的人体动态,使用多机器人协调方案维护目标重建质量的最优飞行编队,该系统在仿真和现实中的性能表现得到验证。
Aug, 2021