本文提出了一种利用方形平面标记同时解决定位和建图问题的新方法，通过创建相对标记姿态的箭头以及在所有观察帧中最小化平面标记再投影误差的方式进行全局定位优化，实验表明该方法优于运动结构和视觉SLAM技术。

Jun, 2016

本文提出一种利用对比颜色来减少误检测、采用灰度来精确定位的标记检测算法ChromaTag。通过实验发现ChromaTag比现有标记算法更快、准确度相似或更高，对实时应用具有重要意义。

Aug, 2017

CAPE是一种从有序点云中提取平面和圆柱体的方法，并在单个CPU内核上以平均每秒300赫兹的速度处理640x480深度图像。该方法与最先进的平面提取相比，具有更为一致的延迟，速度快4-10倍。同时，在用于视觉里程计中，使用CAPE提高了对由圆柱面构成的场景（例如隧道）的轨迹估计，而使用不具备曲线感知能力的平面提取方法，则会降低性能。

Mar, 2018

本篇论文提出了一种通过检测无人机平面标记的多个视角的一致性来解决定位问题中的歧义问题的方法。该方法可以更有效地解决标记姿态歧义问题，并提供更精确、完整的基于标记的映射和定位。

Sep, 2019

该研究提出了MarkerPose，一个基于三个圆形平面目标和立体视觉系统的强韧实时姿态估计系统，其包括用于marker点检测的像素级准确键点定位和分类的SuperPoint网络以及用于亚像素级准确键点检测的轻量级椭圆分割网络。该方法通过立体测量来估计marker的姿态，具有更高的精度和抗噪声性能，适用于需要高精度姿态估计的3D自由手超声系统中。

May, 2021

本研究通过使用具有黑白方格图案的方形人工地标的视觉SLAM，对三种移动机器人定位模式进行了比较研究：SLAM、带先验地图的SLAM和带先验地图的定位。通过使用手持相机拍摄的室内图像序列来评估它们的性能，并通过扰乱先验地图的质量来研究每种模式对扰乱的容忍程度。硬件实验表明这三种模式在轨迹误差方面表现一致，其中定位模式的运行时间最短。然而，在地图扰动下，带先验地图的SLAM保持了性能，而定位模式在两个方面都有所降低。

Sep, 2023

传统的2D姿态估计模型局限于其特定类别的设计，限定了其适用范围，对于新颖对象缺乏相关训练数据的情况尤其具有挑战性。为了应对这一局限性，引入了无类别限制的姿态估计（CAPE）方法，在仅需标注关键点的最小支持图像的情况下，实现了任意对象类别的关键点定位。我们提出了一种利用新设计的图转换解码器的CAPE新方法，通过捕捉和整合关键点之间固有的几何关系信息，进一步提高了关键点定位的准确性，与传统CAPE技术将关键点视为孤立实体的方式存在显著区别。我们在包含超过100个类别的20,000多张图像的MP-100基准数据集上验证了我们的方法，与之前最先进的方法相比，本方法在1-shot和5-shot设置下均取得了显著的改进，分别达到了2.16％和1.82％的提升。此外，与之前的CAPE方法相比，我们的方法的端对端训练表现出良好的可扩展性和效率。

Nov, 2023

提出了一种使用散乱和无序关键点实时估计线性可变形物体形状的强鲁棒方法，并通过模拟实验和真实世界实验验证了其在追踪和估计复杂情况下的稳健性。

Mar, 2024

基本模式是各种更或更少复杂的几何结构的来源，我们将利用这些模式开发新的高效视觉标记。所提出的标记除了是投影不变量外，还可以生成丰富的独特标识符，这在资源密集型导航和增强现实应用中非常重要。我们标记的螺旋拓扑结构允许准确的识别方案验证，其中使用了水平集方法。通过广泛的实验测试，验证了标记对于获取和几何失真的稳健性。

Apr, 2024

本研究解决了在复杂环境中3D物体姿态估计的挑战，尤其是针对曲面图像的跟踪问题。通过提出一种仅需原始图像作为输入的算法，能够同时检测多个标志图像，显著提高了增强现实等下游应用的效果。最重要的发现是，该方法提升了曲面目标的姿态估计效率，推动了空间计算的发展。

Sep, 2024