PSS-BA:具有渐进空间平滑的 LiDAR 束调整
本研究提出了一种基于体素的平面提取方法,结合 PCA 法实现点云分割并采用平面合并方法防止最后优化时所需时间过长,实验表明该方法比其他平面提取方法具有更高的精度和更少的时间成本。
Apr, 2023
提出了一种基于 LM 算法的随机捆绑调整算法,通过图像的聚类,将 RCS 近似分解到 LM 迭代中以提高计算效率并改进可扩展性,实验结果表明该方法在无序网络图像集、SLAM 图像集和大规模数据集上都具有很高的效率和可扩展性。
Aug, 2020
本研究利用基于期望最大化的框架最小化 KL 距离,构建点云场景的潜在概率分布模型,使其能够适应密度变化,并成功在多种真实世界的激光雷达数据集上超越现有的多视角概率方法,而无需重新采样。
Apr, 2018
本文提出一个通过联合光度优化密集几何和摄像机参数,用于 3D 重建的框架,使其比特征点 bundle 调整更具指标重建精度,该框架可以应用于大规模的数据集,并且在面对不同的光照和相机内参时有更好的表现。
Aug, 2020
提出了一种基于滚动快门相机的相机姿态估计和环境几何估计的鲁棒快速 Bundle Adjustment 解决方案,该方案采用了标准化和协方差标准化加权的组合,避免平面退化,并针对其雅可比矩阵和舒尔补的稀疏性进行加速。
Sep, 2022
本研究针对现有 Photometric bundle adjustment 系统中无法处理场景重观测的问题,提出基于全单目视觉 SLAM 的 DSM 方案,实现了对场景重观测的持续跟踪和最精准估算,且在 EuRoC 研究中达到了迄今为止的最佳效果。
Apr, 2019
该研究提出了一种隐私保护的 Visual SLAM 框架,它可以在实时环境下使用混合线条和点云来估计相机姿态和执行束调整,并采用线云图进行优化,以实现预期的隐私保护和实时性能。
Jul, 2020
通过将 bundle adjustment 问题看作一个强化学习任务,我们提出了一种方法来训练一个代理模型选择阻尼因子,该方法显著减少了达到 bundle adjustment 收敛所需的迭代次数,并且可以与其他加速方法整合。
Aug, 2023