Mar, 2024

VICAN：大规模相机网络的高效标定算法

PDF
TL;DR通过引入一个动态元素 - 任意场景中可以自由移动的刚性物体，我们提出了一种新颖的方法来精确估计大型摄像头网络中的摄像头姿势，该方法可以可靠地从单张图像中推测出该物体的姿势，并解决了在直接估计摄像头之间相对姿势时遇到的挑战，从而实现了准确的摄像头姿势估计。
camera posespose graph optimizationrigid objectcamera-object relative transformationscamera networks
发现论文，激发创造
  • PRAGO：基于目标检测的可微分多视角姿态优化

    通过优化序列的几何任务，我们提出了一种称为 PRAGO 的求解相机位姿的方法，该方法通过在无序图像上进行目标位置的细化来优化旋转和绝对位置，实现了在小型稀疏场景中相比于非可微求解器更好的性能。

    Mar, 2024

  • 高动态环境下多相机系统自主车辆鲁棒高效的相对位姿估计

    该文研究了自动驾驶在高度动态和可能杂乱的环境下的相对姿态问题，提出了一种使用多摄像头系统的新算法，利用特定的先验知识开发了一种高效的 4 点算法，并与 RANSAC 结合使用，在合成数据和实际应用中表现良好。

    May, 2016

  • 分布式可证明正确的位姿图优化

    本文提出了第一个确凿无疑的分布式姿态图优化算法，该方法基于稀疏半定松弛，使用低秩 Riemannian Staircase 框架进行分布式优化，具有全局最优解的保证，并且所有组成部分均为本地协作算法。

    Nov, 2019

  • RL-PGO：基于强化学习的平面姿态图优化

    本研究提出了一种基于深度强化学习（DRL）的 2D 姿态图优化的环境和代理，将姿态图优化问题建模为部分可观察的马尔可夫决策过程，并评估了性能。实验结果表明，拥有该方法的迭代式求解器可以产生质量更高的姿态估计，因此，我们相信基于强化学习的 PGO 是进一步加快研究朝向全局最优算法的有前途的途径。

    Feb, 2022

  • GigaPose：通过一对应关系进行快速且鲁棒的新对象姿态估计

    GigaPose 是一种快速、稳健、准确的基于 CAD 的 RGB 图像中新颖物体姿态估计方法，通过利用 CAD 模型的渲染图像来恢复平面外旋转，然后使用补丁对应关系估计其他四个参数。

    Nov, 2023

  • 基于虚拟相机的自由移动物体重建与姿态估计

    我们提出了一种从单目 RGB 视频中重建自由移动物体的方法，无需任何先验信息，通过基于隐式神经表示同时优化对象的形状和姿态，其中方法的关键是一个虚拟摄像机系统，显著减小了优化的搜索空间。通过在 HO3D 数据集和佩戴在头部设备上捕获的主观 RGB 序列上的评估，我们证明了该方法明显优于大多数方法，并且与假设先验信息的最新技术相媲美。

    May, 2024

  • GPV-Pose: 基于几何引导的点级投票的类别级物体姿态估计

    提出了一种基于几何学的、适用于具有严重类内形状变化的物体类别级别姿态估计系统 GPV-Pose，该系统通过引入自信驱动旋转表示法和几何引导的点对点投票模式来提高分类级别姿态敏感特征的学习，并利用不同的输出流来实现几何一致性项的推理，优于公共基准测试的最新竞争对手，同时在 20 FPS 的实时推理速度下几乎达到最佳表现。

    Mar, 2022

  • 局部支持全局：带序列增强的深度相机重定位

    使用序列图像中的局部信息支持全局相机重定位，提出了包括内容增强姿态估计和基于运动的细化两个步骤的新方法，实验结果表明我们的方法在一些具有挑战性的情况下表现优于最先进的方法，例如纹理不足、高度重复的纹理、相似的外观和过度曝光。

    Aug, 2019

  • 交互式相机标定的有效姿态选择

    该论文提出了一种姿态选择方法，利用自我识别校准模式实时跟踪相机姿态从而指导用户到达目标姿态，使用不确定性传播避免一些不准确的姿态，并有助于提高相机校准的准确性，其可行性和优越性得到了实验证明。

    Jul, 2019

  • 使用图神经网络和相对姿态监督的视觉相机定位

    本研究提出了一种基于姿态回归网络和图神经网络相结合的视觉重新定位方法，可在没有内参信息的情况下达到与绝对姿态回归网络相当的准确性，同时保持相对姿态回归模型的高测试速度和对非训练场景的适用性。

    Apr, 2021