Dec, 2023

基于关键点的立体光度测地学方法用于表征和导航小天体：一个因子图方法

HTML
PDF
TL;DR该研究提出将立体光度测量技术(SPC)与基于关键点的动态三维重建(SfM)系统相结合，通过利用深度学习的自主关键点检测和匹配方法，估计探测到的地标上的表面法线和反照率，以提高对小型天体的自主表面和形状表征。
发现论文，激发创造
  • KeyPose：透明物体多视图三维标注与关键点估计

    该论文提出了一种基于双目视觉输入的深度神经网络，称为KeyPose，并使用该网络从RGB相机标记的三维关键点预测物体姿势，即使在透明物体的情况下也能取得比现有方法更好的3D姿态估计表现。

    Dec, 2019

  • 通过神经反渲染实现自校准光度立体成像

    本文旨在解决在未知物体形状、物体反射率和光照方向的情况下进行三维物体重建的任务，提出了一种新的利用神经反演渲染和渐进式反射率基础来解决未标定光度测量问题的方法。该方法在真实世界数据集上表现出最先进的精度。

    Jul, 2022

  • 带统计保证的物体位姿估计: 依从关键点检测和几何不确定性传播

    本文提出了一个可证明误差界限的姿态估计器，基于两阶段目标姿态估计范例，并注入了两个基本变化，即确定性关键点检测和几何不确定性传播。进行实验展示，PURSE覆盖了真实姿态和最坏情况下的误差边界提供了正确的不确定性量化

    Mar, 2023

  • 使用神经网络建模小行星主带的反照率，基于它们的轨道要素

    本文使用神经网络分析NEOWISE的观测数据模拟小行星直径、颜色及族群关系，得出预测半百万主带小行星颜色的模型及分类依据。

    May, 2023

  • 从单幅图像椭球体进行相机标定：一种月球标定算法

    本文提出了一种利用太阳系中天体的图像进行总空间摄像机标定的方法，该方法组合了拍摄到的椭球和与目标相对状态的信息，可从单个图像完成标定，其算法在卫星拍摄的土卫六照片中被应用，可以将聚焦距离和主点的标准偏差分别降至0.5毫米和3.1像素。

    Jul, 2023

  • SC3K: 自监督的、一致性的3D关键点估计方法，适用于旋转、噪声和降采样的点云数据

    提出了一种新方法来从噪声、降采样和任意旋转的实际场景中对任意对象类别进行关键点推断的方法，该方法是完全无监督的，关键点位置误差低，对点云数据扰动具有弹性，关键点保持其索引的语义一致性，且靠近点云数据表面，并在对象的三维形状下游任务中具有改进的覆盖范围和语义一致性。

    Aug, 2023

  • 基于CNN的小行星附近导航的本地特征

    通过轻量级特征提取器，本研究采用视觉为基础的接近导航方法解决小行星探测任务中的挑战，提供了在照明变化和仿射变换下具有稳健性的特征提取方法，同时将合成图像和实际数据结合以验证其有效性。通过该研究，取得了在小行星导航领域准确导航和定位的成果，并为未来的研究提供了有价值的见解。

    Sep, 2023

  • 冰冷月球表面模拟与采样自主性的立体深度估计

    为了解决冰卫星着陆任务中的采样自主性问题，我们提出了图形化工具用于冰卫星表面模拟 (GUISS) 框架，用于生成深度估计的立体数据集，并评估了传统和深度学习算法在不同的可视化假设下的性能。

    Jan, 2024

  • 从业余望远镜图像中三维重建卫星

    通过利用小型业余望远镜捕获的视频数据，该研究提出了一个用于低地球轨道卫星的三维重建框架。该框架包括深度学习的图像恢复、特征点提取和相机姿态初始化的预处理流程，以及改进的三维高斯光滑算法应用于重构三维模型，通过支持训练和姿态估计产生精细的三维点云。通过合成数据集和中国空间站的实际观测验证，该方法在从地面观测中重建三维空间目标方面具有显著优势。

    Apr, 2024

  • KRONC：基于关键点的稳健相机优化用于三维汽车重建

    本研究针对三维物体或场景重建中相机位姿估计的空白，提出了一种新方法KRONC。该方法通过利用语义关键点的先验知识，解决了相机位姿的轻量级优化问题，在汽车场景中表现出色，能在初始粗糙条件下生成良好的相机位姿估计，并与现有的结构光重建方法相比计算效率显著提升。

    Sep, 2024