Jun, 2023

基于局部特征的视觉定位的受约束近似最近邻算法 (CANN)

PDF
TL;DR本文提出了一种名为 Constrained Approximate Nearest Neighbors (CANN) 的近似 K 最近邻联合解决方案，该方案只使用局部特征进行跨几何和外观空间的 K 最近邻检索以提高视觉定位的性能，并且在公共定位基准测试中成功地优于现有方法。
visual localization3d point cloudsglobal embeddingslocal featuresnearest-neighbor search
发现论文，激发创造
  • 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

  • 邻域共识网络

    本研究介绍了一种基于卷积神经网络的密集对应关系匹配方法，使用邻域一致性匹配模式在两幅图像所有可能的对应关系的 4D 空间中鉴别一组具有空间一致性的对应关系。该方法不需要全局几何模型，只需要弱监督的成对图像匹配信息进行训练。最后，该方法在类别匹配和实例级匹配任务中均取得了最优结果。

    Oct, 2018

  • PCAN: 使用上下文信息学习 3D 注意力图以进行基于点云的检索

    通过 Point Contextual Attention Network (PCAN) 能够在对点上下文加权的情况下，对局部特征进行更加关注，从而有效地编码局部特征并在多个基准测试数据集上提供性能优于当前最先进方法的检索性能。

    Apr, 2019

  • 本地朴素贝叶斯最近邻图像分类

    本文提出了 Local Naive Bayes Nearest Neighbor 方法，以提高图像分类算法的准确性和拓展性，该方法将所有参考数据合并成一个搜索结构进行快速搜索，并证明此方法可在 Caltech 256 数据集上带来 100 倍的速度提升。同时，也将 NBNN 与空间金字塔方法进行了头对头比较。本文发现，Local NBNN 方法表现优于以往的 NBNN 方法和原始空间金字塔模型，但仍不及使用本地软分配和 max-pooling 的最先进空间金字塔方法。

    Dec, 2011

  • 通过可扩展的邻域分量分析改善泛化能力

    采用深度神经网络来学习视觉特征，通过非参数优化方法而非参数 etric 分类器进行可视化识别，并在针对少数代表性例子的分类和子类别发现方面提供了更具有普遍适用性的特征表示。

    Aug, 2018

  • 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

  • LocNet: 用于移动车辆的 3D 点云全局定位

    该论文提出了一种解决全局定位问题的方法，通过使用基于 Siamese LocNets 的半手工表示学习方法，在全局先验地图中实现了场所识别和尺度姿态估计，并且提出了一个使用仅距离观测的全局定位框架。通过 KITTI 数据集和自主收集的多个数据集的实验结果表明，该系统能够实现高精度的全局定位。

    Dec, 2017

  • 混合场景压缩用于视觉定位

    这篇论文介绍了一种新的混合压缩算法，用于视觉定位，能够在不增加存储要求的情况下获得更完整的场景表示，并且在相同的内存限制下比以前的压缩技术具有更高的姿态准确性。

    Jul, 2018

  • PECANN：基于图的近似最近邻搜索的并行高效聚类

    该研究论文通过抽象密度峰聚类算法中的关键步骤，如使用基于图的近似最近邻搜索（ANNS）方法来寻找满足预测函数的最近邻，提出了一种统一的框架 PECANN。通过在合成和真实数据集上评估，该方法在大规模高维度数据集上实现了高速的聚类效果，并在性能和准确性上超越了现有的算法。

    Dec, 2023

  • 3DContextNet：利用局部和全局上下文线索，通过 K-d 树引导的分层点云学习

    本文提出了一种基于 k-d 树的方法，旨在同时利用点云的局部和全局背景信息，通过沿树结构逐步学习表征向量，从而生成区分度强的点集特征。实验证明，该方法在 3D 场景语义分割等任务上明显优于现有的方法。

    Nov, 2017