PLVS:具有点、线、体积建图和三维增量分割的 SLAM 系统
本文介绍了 PL-SLAM 方法,它使用点和线段相结合的方式来实现在低纹理环境下的 SLAM,同时也介绍了一种新的基于词袋的回环闭合算法,使得得到的地图更为丰富,使用 KITTI 和 EuRoC 数据集进行测试,结果表明其在大部分实验中均具有比 ORB-SLAM 更为稳健的性能,且可以实时运行。
May, 2017
本文介绍了 PL-VINS 方法,它是一种实时的基于优化的单目视觉惯性 SLAM 方法,具有点和线特征,并通过研究隐藏参数调整和长度拒绝策略来呈现修改版 LSD 算法,并通过将空间线表示为 Plucker 坐标,以点线距离的形式建模的残差误差被最小化
Sep, 2020
提出了一种基于 2D 和 3D SLAM 网络结合的实时语义地图方法,通过重新投影及渲染后进行特征融合,以及一种利用表面法线的几何分割方法来整合 3D 语义元素,并使用新型的神经网络进行轻量级的语义地图后处理,实现了在不同深度感应器方面的性能表现和交叉传感器通用性方面的优化。
Jun, 2023
本文介绍了一种利用 RGB-D 图像序列进行协作式隐式神经同步定位与地图生成(SLAM)系统,该系统包括完整的前端和后端模块,包括里程计、回环检测、子图融合和全局优化。为了在一个统一的框架中实现所有这些模块,我们提出了一种新颖的基于神经元的三维场景表示方法,其中每个点维护一个可学习的神经元特征用于场景编码,并与某个关键帧相关联。此外,我们提出了一种分布式至集中式学习策略,用于改进协作式隐式 SLAM 的一致性和合作性。还提出了一种新颖的全局优化框架,以提高系统精度,类似于传统的束调整。在各种数据集上的实验证明了该方法在相机跟踪和地图生成方面的优越性。
Nov, 2023
本文介绍了 VolMap,它是一种用于自主车辆中 3D LiDAR 环视视图系统的语义分割的实时方法。我们设计了一种经过优化的深度卷积神经网络,可以精确地分割由 360° LiDAR 设置产生的点云,其中输入包括作为输入通道的 LiDAR 高度层的体积视角。我们进一步研究了多 LiDAR 设置的使用及其对语义分割任务性能的影响。我们的评估是在包含 LiDAR cocoon 设置的大规模 3D 物体检测基准测试上进行的,以及 KITTI 数据集,其中点的分割标签来自 3D 边界框。我们展示了 VolMap 在高精度和实时运行在 CPU 上之间的优秀平衡。
Jun, 2019
本文介绍了一种名为 LIMAP 的库,用于从多视角图像中稳健高效地创建 3D 线路图,该库通过重新审视线三角化的退化问题、精心制作的得分和跟踪构建以及利用线 / 点的结构先验知识来实现。在全面实验中,我们展示了 LIMAP 在 3D 线路图上显着优于现有方法,并且我们的稳健 3D 线路图也开辟了新的研究方向:视觉本地化和束调整。
Mar, 2023
本文提出了一种鲁棒性高、效率高的视觉 SLAM 系统,利用异构的点和线特征,并首次将正交表示作为线特征的最小参数化模型,并解析地推导了关于线参数的投影误差的雅克比矩阵,实验证明该方法在各种情况下都优于现有技术。
Nov, 2017
该研究提出了一种隐私保护的 Visual SLAM 框架,它可以在实时环境下使用混合线条和点云来估计相机姿态和执行束调整,并采用线云图进行优化,以实现预期的隐私保护和实时性能。
Jul, 2020
我们介绍了一种在线的二维到三维语义实例映射算法,旨在生成适用于非结构化环境中的自主代理的全面、准确且高效的语义三维地图。该方法基于最近算法中使用的 Voxel-TSDF 表示,引入了在映射过程中集成语义预测置信度的新方法,产生了语义和实例一致的三维区域。通过基于图优化的语义标记和实例细化,进一步提高了准确性。该方法在公共大规模数据集上的准确性优于现有技术,改进了一些广泛使用的度量标准。我们还指出了最近研究评估中的一个问题:使用真实轨迹作为输入而不是 SLAM 估计的轨迹,这对准确性产生了重大影响,导致了报告结果与实际在实际数据上的性能之间存在很大差距。
Sep, 2023
本文介绍了一种新的基于 3D 点云的超像素生成算法,使用了几种方法来构建连接图,比较了其性能,并呈现了与现有 2D 和 3D 的超像素算法比较得到的显著改进
Feb, 2017