不同 iable 宽基线姿态优化的多会话 SLAM
本文介绍了一种利用 RGB-D 图像序列进行协作式隐式神经同步定位与地图生成(SLAM)系统,该系统包括完整的前端和后端模块,包括里程计、回环检测、子图融合和全局优化。为了在一个统一的框架中实现所有这些模块,我们提出了一种新颖的基于神经元的三维场景表示方法,其中每个点维护一个可学习的神经元特征用于场景编码,并与某个关键帧相关联。此外,我们提出了一种分布式至集中式学习策略,用于改进协作式隐式 SLAM 的一致性和合作性。还提出了一种新颖的全局优化框架,以提高系统精度,类似于传统的束调整。在各种数据集上的实验证明了该方法在相机跟踪和地图生成方面的优越性。
Nov, 2023
本文介绍了一种基于深度卷积神经网络的方法,能够通过对特定对象类的分类和姿态回归,从单个或多视图中准确地推断大量对象类的六自由度姿态,并通过 SE(3)的均匀镶嵌提高了鲁棒性。作者还提出了一种适用于单视角存在歧义的高效多视图框架,并在 YCB-Video、JHUScene-50 和 ObjectNet-3D 三个大规模基准测试中取得了优异的表现,与目前现有技术相比表现优秀。
Mar, 2018
提出了基于关键点的对象级 SLAM 框架,能够为对称和非对称对象提供全局一致的 6DoF 姿态估计。通过利用来自 SLAM 的相机姿态信息,提供对对称对象上跟踪关键点的 先验知识 -- 确保新的测量结果与当前 3D 场景一致。实验表明,该方法在 6DoF 对象姿态估计方面具有竞争性能,并以实时速度运行。
May, 2022
本文提出了一种通过多视角的训练,使用一致性约束联合监督损失及惩罚项实现替代大量标注的 3D 人体姿态估计方法,并提出了一种联合估计相机姿态及人体姿态的方法,在 3D 人体姿态估计方面取得了良好的表现。
Mar, 2018
本文介绍如何使用神经网络模型进行多摄像头人体姿势估计,在考虑多角度遮挡及联合位置不确定性情况下,使用 2D 关键点数据进行训练。相比于经典捆绑调整与弱监督单目 3D 基线方法,我们的模型在 Human3.6M 和 Ski-Pose PTZ 数据集上表现更好。
Aug, 2021
提出了一种针对异步传感器观测的广义多相机 SLAM 系统,通过集成连续时间运动模型,在跟踪、局部建图和环路闭合期间关联异步多帧信息。验证结果表明多相机系统使用和异步传感器建模对于实现鲁棒且准确的多相机 SLAM 系统至关重要,在挑战性的户外场景中实现了 AMV-Bench 数据集的一种新的解决方法。
Jan, 2021
本论文提出了一种基于多个校准相机视角的、面向实时应用的多人三维姿态估计解决方案,利用视频中的时间一致性直接在三维空间中匹配二维输入与三维姿态,通过跨视图多人跟踪迭代地更新姿态,从而提高了准确性和效率,并介绍了新的大规模多人数据集。
Mar, 2020
该论文提出了一种称为 CosyPose 的方法,能够从一组待定相机视图的场景中,准确地恢复多个已知对象的 6D 姿态,并且能够处理对象的对称性,不需要深度测量,还能自动还原场景中的物体数量,并解决了通过解决对象级捆绑调整问题实现对全局场景的细化。
Aug, 2020
本文提出了一种基于深度学习的方法 NFlowNet,通过直接法而非经典的视觉 SLAM 方法,通过图像梯度来估算相机的位姿,实现了对于姿态的倒易约束,经实验证明该方法的泛化性能较好并优于其他已有方法。
Mar, 2022