Jan, 2024

MobileARLoc: 基于设备的稳健移动增强现实绝对定位

PDF
TL;DR通过将绝对位置回归器与本地视觉惯导测量结合，MobileARLoc 框架在设备上实现了大规模的无标记移动增强现实，并且在减小定位误差和降低惯导漂移方面取得了显著结果。
absolute camera pose estimationmarkerless augmented realityvisual-inertial odometrymobilearlocon-device large-scale ar
发现论文，激发创造
  • 无标记移动增强现实的视觉惯性测距约束下的稳健定位

    通过结合绝对位置估计 (APR) 和本地 VIO 跟踪系统，引入了一个新的移动 AR 框架 VIO-APR，该框架使用 VIO 来评估 APR 的可靠性并通过 APR 来识别和补偿 VIO 的漂移，从而实现更准确的定位和更稳定的 AR 体验。

    Aug, 2023

  • KS-APR: 鲁棒绝对位姿回归的关键帧选择

    KS-APR 是一种用于 Markerless Mobile Augmented Reality 的 pipeline，通过结合 APR 的推断结果和训练集中的先验图像来评估估计位姿的可靠性，从而提高可靠性和准确性，适用于不需要一次性决策的视觉定位任务。

    Aug, 2023

  • 学习神经体积位姿特征用于相机定位

    引入了一种新颖的神经体姿态特征 ——PoseMap，旨在通过囊括图像之间和相关摄像机姿态之间的信息增强摄像机定位能力。该框架利用了绝对姿态回归（APR）架构和增强的 NeRF 模块，不仅有助于生成丰富的训练数据集来丰富训练，在线自监督对齐的扩展还能允许该方法在无标签图像上使用和微调。实验证明，我们的方法在室内和室外基准场景上平均性能分别提高了 14.28% 和 20.51%，超过了现有的具有最先进精度的 APR 方法。

    Mar, 2024

  • 使用移动传感器进行长期视觉定位

    本研究提出使用手机的 GPS、罗盘和重力传感器等附加传感器来解决室外场景下相机定位的挑战性问题，通过开发出直接的二维 - 三维匹配网络和采集公开数据集等手段，证明了该方法的有效性。

    Apr, 2023

  • 即时运动追踪及其在增强现实中的应用

    本文介绍了一种基于移动设备的增强现实应用程序中的运动跟踪系统，该系统可以在无需标定的情况下进行稳健的平面目标跟踪和相对比例 6DoF 跟踪，该系统已在数亿个设备上部署，并应用于多个主要产品中。

    Jul, 2019

  • 基于地图的姿态回归视觉重定位

    相对于已知环境，姿态回归网络通过预测查询图像的相机姿态。我们提出了一种新的姿态回归方法，地图相对姿态回归（marepo），通过使用场景特定的地图表示，将姿态回归器的预测相对于场景地图。我们的方法在室内和室外两个公共数据集上远远优于之前的姿态回归方法。

    Apr, 2024

  • RD-VIO: 动态环境下移动增强现实的稳健视觉惯性测距

    本研究设计了一种名为 RD-VIO 的新型视觉惯性测距系统，能够处理动态场景和纯旋转问题，并通过 IMU-PARSAC 算法和延迟三角测量技术来提高在这些问题上的性能。实验证明，在动态环境中，所提出的 RD-VIO 相较于其他方法具有明显优势。

    Oct, 2023

  • 大规模实时视觉惯性定位重访

    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

  • 融合来自运动结构和光流模拟姿势回归的算法用于具有挑战性室内环境

    本文提出了一种使用相对位移回归来规范绝对位姿估计的新方法，采用递归融合神经网络来更好地整合绝对和相对估计姿态，实验结果表明这种方法比使用姿态图优化的方法更为有效。

    Apr, 2023

  • ViPR: 基于视觉里程计辅助的 6 自由度相机定位姿态回归

    提出了一种使用深度学习技术的长期机器人导航方法 ViPR，通过结合绝对位姿估计和相对位姿估计，利用时序信息和模块化的设计，并在已知数据集和工业数据集上取得了较好的效果。

    Dec, 2019