Oct, 2023

基于时间的视觉运动不变性的空间映射

PDF
TL;DR本文研究基于视觉运动的不变性，从而获得三维点的表示，其中静态环境保持不变，确保形状恒定。通过利用可测量的光流的非线性函数，创造了一种新颖的表示方法，并称之为 “时间间隔” 和 “接触时间”。通过演示摄像机相对于三维物体的移动模拟和图像的变化过程中物体外观的不变性，在 Unity 模拟中展示了如何识别移动物体。该表示方法简单直观，只需要一个摄像机，无需确定摄像机速度矢量的大小，适用于像素级处理。
visual motion-based invariants3d pointsoptical flowmoving objectspixel-based representation
发现论文，激发创造
  • 基于不变性的观察者普通运动下空间映射

    该论文研究了基于视觉动态的不变性，通过利用非线性函数与光流之间的关系，提出了一种新的瞬时领域，使得静止环境在连续的相机运动中保持不变，能够在特定的子空间中检测和避开障碍物，并可能检测移动物体。

    Nov, 2023

  • 利用新型基于光流的无关距离不变性检测移动物体

    该论文研究了在摄像机运动过程中检测移动物体的一种新方法，提出了一种基于光流的变换，可以生成一个不变的二维图像输出，无论时间瞬间、3D 点的范围以及摄像机的速度如何变化。这种方法通过在新域中将 3D 点的投影与预定义的查找图像的值进行比较，能够清晰地识别相对于静止的 3D 环境而言与之不同的投影，从而使移动物体能够无缝地被检测到。该方法不需要运动方向或摄像机速度的先验知识，也不需要 3D 点范围信息，非常适用于实时并行处理，非常实用。通过模拟和实验验证了新域的有效性，在涉及直线摄像机运动的情况下，无论是在模拟中还是在实际数据中，都体现出了其鲁棒性。这种方法为在六自由度摄像机运动过程中检测移动物体引入了新的途径，并为未来在该领域中的研究奠定了基础。

    Oct, 2023

  • 全面实时追踪万物

    我们提出了一种新的测试时间优化方法，用于从视频序列中估计密集和长程运动。该方法使用全局一致的运动表示法，并在局部和规范空间之间使用双向对应实现像素级跟踪，能够确保全局一致性，跟踪通过遮挡的像素，并模拟相机和物体运动的任意组合。

    Jun, 2023

  • SpatialTracker: 在 3D 空间中跟踪任意 2D 像素

    通过估计 3D 空间中的点轨迹以减轻由图像投影引起的问题，本研究提出了一种名为 SpatialTracker 的方法，使用单目深度估计器将 2D 像素提升为 3D，并使用三平面表示高效地呈现每帧的 3D 内容，并使用变换器进行迭代更新以估计 3D 轨迹，通过在 3D 空间中进行跟踪，充分利用几乎刚性的约束，同时学习将像素分成不同刚性部件的刚性嵌入，广泛的评估结果显示，我们的方法在定性和定量上都实现了最先进的跟踪性能，特别是在包括平面外旋转等具有挑战性的场景中。

    Apr, 2024

  • oTTC: 自主驾驶中的物体接触时间用于运动估计

    自动驾驶系统需要准确地感知周围环境以有效地执行其例行程序。针对避免碰撞和安全驾驶的目标，自动驾驶系统在很大程度上依赖于物体检测。然而，仅有的 2D 物体检测是不足够的，还需要更多信息，如相对速度和距离，以进行更安全的规划。我们提出了通过扩展物体检测模型来预测每个物体的接触时间属性的方法，以解决这个问题。我们将我们的方法与现有的接触时间方法进行比较，并在知名的数据集上提供了基准结果。我们的方法在使用单个图像的情况下实现了比现有技术更高的精度。

    May, 2024

  • 大部分为刚体场景下的光流

    文章提出了一种综合了静态和非约束场景下光流方法的算法，可以同时估计运动物体的分割和相机运动的 3D 结构，具有更高的精度。

    May, 2017

  • 使用光流方向进行移动相机视频的连贯运动分割

    本文提出了一种运动分割算法，通过使用光流方向代替完整的光流向量，以及使用概率模型自动估计观测到的独立运动数量，实现了对具有相似世界实际运动的像素进行聚类，从而有效避免了景深不同导致的深度相关分割。该系统在多个基准测试视频中表现出鲁棒性，特别是对包含具有相差很大深度的物体的复杂背景场景的运动分割。

    Nov, 2015

  • 基于光流的无约束场景实时移动物体检测

    该研究论文提出了一种基于光流的移动物体检测框架，利用单应性矩阵在线构建光流背景模型，并设计了一个双模式判断机制来提高系统对复杂场景的自适 应性，实验证明该方法优于现有的方法，具有适应不同场景的优势。

    Jul, 2018

  • 事件摄像头的连续时间视觉惯性里程计

    本文提出了一种基于连续时间表征的事件相机视觉惯性导航融合方法，并证明了该方法在准确性和适用性上优于当前最先进的事件相机视觉导航方法。

    Feb, 2017

  • 3D 中对象的瞬时感知

    驾驶安全中，周围交通参与者的 3D 运动感知至关重要。我们研究了一种被忽视的任务，即瞬时检测和量化微小运动，它们指示了与安全相关的驾驶行为的细微差异。通过解决静态对象在稀疏激光雷达点云的连续帧之间缺乏对应关系的问题，我们提出了一种解决方案，并设计了一个详细的基准。通过学习对象点云的局部占用完成来加密形状线索，并减轻游泳伪影的影响，从而解决了准确估计中的二义性问题。我们的方法较传统 3D 运动估计方法表现更好，特别突出了对微小运动的专门处理。

    May, 2024