Mar, 2024

基于热成像的长期 SLAM

PDF
TL;DR该研究探讨了在低对比度、视觉退化环境下（如水下、雪地等），利用热成像技术进行视觉 SLAM 的困难之处，并提出了基于学习特征描述符的方法，以显著改善热成像的大时间间隔下的地点识别能力。实验结果表明，该方法能够在具有挑战的热成像数据中实现良好的局部跟踪和克服昼夜热外观巨变的重定位能力。
visual slamthermal imageryfront-end data associationlong term relocalizationplace recognition
发现论文，激发创造
  • 利用卫星图像实现长距离无人机热像地理定位

    本文提出了一种利用卫星图像进行长距离无人机热成像定位的新方法，并通过多种域自适应方法解决配对热成像和卫星图像有限的可用性，实验结果表明该方法的有效性，本研究是首次提出在长距离飞行中利用卫星图像进行热成像定位的方法。

    Jun, 2023

  • 基于学习的语义地图构建与鲁棒摄像机定位

    介绍了一种使用语义特征的视觉惯性里程计系统 SemanticSLAM，可以在室内环境中进行可靠的相机定位，改善位姿估计并生成语义地图，可用于路径规划、避障和机器人导航等下游任务。

    Jan, 2024

  • ObVi-SLAM：长期物体视觉 SLAM

    ObVi-SLAM 是一种结合了低级视觉特征和持久目标的长期地图，在不同环境下生成准确的定位估计，适用于长时间尺度的机器人任务。

    Sep, 2023

  • HeatNet: 利用热成像技术缩小昼夜间语义分割差距

    本文提出了一种多模态语义分割模型，可以适用于日间和夜间场景，通过引入热成像技术和 RGB 照片，利用现有白天 RGB 数据集实现对夜间图像的学习，并提出了一个新的域对齐训练方法，在自动驾驶方面获得了最新的夜间语义分割结果。

    Mar, 2020

  • 热成像语义分割：比较研究

    通过使用红外图像进行语义分割，本研究对现有算法进行了分类，并提出了两种解决方案，一种是使用可见光和红外图像，另一种是只使用红外图像。

    May, 2022

  • 一种在线语义映射系统，用于扩展与增强视觉 SLAM

    本文提出了一种移动视觉系统的实时语义地图构建方法，采用 2D 到 3D 对象检测流程和快速数据关联，将关联检测作为语义约束引入 SLAM 系统进行姿态校正，通过本文提出的观测对象局部关联处理和基于不确定性贪心关联的方案，平均迭代时间达到了 65ms，实验结果表明在公共数据集上能够使现有的 SLAM 系统姿态估计提高 68％。

    Mar, 2022

  • 使用语义分割图像进行长期视觉定位

    在自动驾驶车辆的长期视觉导航中，利用图像的语义分割和 3D 点云制作具有语义标签的地图，通过粒子滤波来实现车辆定位，从而在大多数时候实现低于 1 米的定位误差。

    Jan, 2018

  • TextSLAM: 带语义平面文本特征的视觉 SLAM

    本文提出一种新颖的视觉 SLAM 方法，通过充分探索文本对象的几何和语义先验将其作为语义特征紧密集成，将文本对象建模为纹理丰富的平面贴片，其语义意义在飞行中提取和更新以进行更好的数据关联。通过局部平面特征和文本对象的语义意义的充分探索，SLAM 系统即使在挑战性条件（如图像模糊、大视角变化和昼夜明显变化）下也变得更加精确和稳健。我们在各种场景中测试了我们的方法，并使用真实数据进行比较。结果表明，集成纹理特征导致更优秀的 SLAM 系统，可以跨越昼夜匹配图像。重建的语义 3D 文本地图在机器人和混合现实应用中具有导航和场景理解的价值。

    May, 2023

  • 空间语义：卫星引导的热红外语义分割注释用于空中野外机器人

    利用卫星派生数据产品和机载全球定位和姿态估计，我们提出了一种自动为航空器捕获的热成像生成语义分割注释的新方法。通过结合热条件细化步骤和可视化基础模型，我们的方法可以使用低分辨率的卫星土地覆盖数据产生高精度的语义分割标签，并且相比于目前用于生成 RGB 成像注释的基于大型视觉 - 语言模型的零样本语义分割方法，我们的方法在性能上实现了 70-160% 的改善。

    Mar, 2024

  • STHN: 无人机热红外图像与卫星影像的深度齐次估计与地理定位

    STHN 是一种新的无人机热定位方法，通过粗糙到精细的深度单应性估计方法，在低能见度条件下可可在无人机上次已知位置的 512 米范围内实现可靠的热定位，克服了热影像模糊纹理和自相似模式的困扰，显著提高了无人机热定位性能和鲁棒性。

    May, 2024