该研究通过视觉方法探究无人机在全球导航卫星系统拒绝服务环境下如何准确定位自身,为此构建了基于转换器的基线并提出了新的连续型评估指标 SDM,以解决现实应用场景中空间距离和尺度变换所带来的问题。同时,利用孪生网络和度量学习构建,设计邻居搜索后处理策略解决大距离定位偏差问题。
Jan, 2022
本文提出了一种面向实时性能的可扩展视觉定位方法,该方法使用自我监督方法学习紧凑的路图像表示,结合车辆本体运动得出高精度位置估计,在挑战性的城市环境中有效地减少了定位误差一个数量级。
May, 2019
为解决无人机视觉定位问题,本文提出了一个大规模数据集 UAV-VisLoc,其中包含了来自中国 11 个地点的多种类型无人机图像和卫星地图,以支持模型的训练和测试。
May, 2024
通过训练神经网络来实现全球本地化并应用于实际机器人场景,在二维平面中限制问题并大幅增加训练数据,可以得到紧凑的模型,实现了数厘米的定位精度,并在无人地面车上应用进行路径导航任务。
Nov, 2022
该研究提出了一种利用卫星图像对地面车辆进行精确定位的方法,其采用基于地面 - 卫星特征字典的视觉定位方法,可以在不需要密集的地面图像数据库的情况下估计任意位置的可能性,并通过学习定位判别特征投影矩阵进一步提高精确度,在公共数据集上得到了显著的改进。
Oct, 2015
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
本文使用新型网络结构和更密集的卫星图像描述符进行多模式区域定位,可将度量定位误差中位数相对于同一区域、跨区域和跨时间的现有技术分别降低 51%、37%和 28%。
Aug, 2022
通过局部到全局的融合网络与双向结构对齐,本研究解决了视觉 - LiDAR 融合中由于两种模态之间内在数据结构不一致性而带来的挑战,取得了在 KITTI 里程计和 FlyingThings3D 场景流数据集上超过单模态和多模态方法的最新成果。
Mar, 2024
本文提出了基于关键帧的视觉惯性同步定位与地图构建(SLAM)方法,通过在线环路闭合和非线性优化方法,使得我们的系统在单目和立体相机上具有实时、准确和鲁棒的位姿估计能力,支持先前建立地图的重定位和持续的 SLAM 操作,并在室内和户外公开数据集上展示了我们方法高精度、高效的性能。
Feb, 2017
本文提出了一种车载摄像机定位的解决方案,通过神经网络和几何投影模型实现从地面图像匹配到高空卫星地图上,并把匹配问题转化为姿态估计问题来提高定位精度。
Apr, 2022