PoseGravity: 通过点和线的姿态估计和轴向先验
利用先验的垂直方向,我们解决了估计曼哈顿框架(即三个正交消失点)和相机的未知焦距的问题。通过对最小线配置的详尽分析,我们得出了两个新的 2 线解算器,其中一个不会受到影响现有解算器的奇异性的影响。此外,我们设计了一种新的非最小方法,在任意数量的线上运行以增强局部优化的性能。通过在混合鲁棒估计器中组合所有解算器,我们的方法即使在粗略的先验条件下也能实现更高的准确性。在合成和实际数据集上的实验证明了我们方法相对于最先进技术的卓越准确性,同时具有可比较的运行时间。我们进一步证明了我们解算器在相对旋转估计中的适用性。
Aug, 2023
我们提出了一种估计已标定图像对之间相对位姿的方法,通过综合利用点、线及它们在混合方式下的重合情况。我们研究了这些数据模态可以共同使用的所有可能配置,并回顾了文献中可用的最小求解器。我们的混合框架结合了所有配置的优点,在具有挑战性的环境中实现了稳健准确的估计。此外,我们设计了一种方法,可以联合估计两幅图像中的多个消失点对应,并进行了包括所有相关数据模态的束调整。各种室内外数据集上的实验证明我们的方法优于基于点的方法,在可比速度下将 AUC@10° 提升了 1-7 个点。解算器和混合框架的源代码将公开发布。
Sep, 2023
提出了一种基于最小问题求解的相对相机位姿估计方法,其中采用了三点和一条线以及三点和两条线(穿过两个点)的三视图对应信息;该方法采用了一种新的高效的同伦继续求解(HC)求解器框架 MINUS,能够解决之前由 Groebner 基础方法不能有效解决的问题,并通过模拟实验和真实实验充分验证了该方法的有效性。
Mar, 2019
在本文中,我们提出了一种基于旋转 - 平移解耦估计的新型三视图位姿求解器,该方法通过考虑观测的不确定性并使用 Levenberg-Marquardt(LM)算法高效求解旋转估计,以及通过精心设计的稳健线性平移约束,来准确估计旋转和平移,实验结果表明该方法相较于基于三基数张量的经典方法和最先进的双视图算法,在室内外环境中提高了旋转和平移的准确性。
Mar, 2024
通过三个已知参考点的观察,我们提出了代数解法来解决经典的 P3P 问题,从而求得相机的位置和姿态。相比先前的方法,我们首先通过使用对应的几何约束来直接确定相机的姿态,并采用代数方法高效地解决三角函数方程组,从而确定未知的旋转矩阵及相机的位置。通过广泛的 Monte-Carlo 模拟验证了该方法相对于最近的替代方法的优势,避免了计算不必要的(可能存在数值不稳定) 中间结果,从而在更低的计算成本下实现了更高的数值精度和鲁棒性。
Jan, 2017
基于点线组合的三维姿态估计问题的新凸方法,使用统一的二次约束二次问题并通过 Shor 松弛法将其放松为半定规划,可以优雅地处理点和线的混合配置并在不确定的情况下恢复有限数量的解。实验结果表明,该方法不仅具有灵活性,而且结果与最好的现有方法相符。
Jul, 2019
通过考虑特征的 2D 和 3D 坐标的不确定性,提出了一种基于 EPnP 和 DLS 的 PnP (L) 求解器,将其应用于机器人和 AR / VR 系统中的相机定位,实验表明该方法在准确度方面优于现有算法,并使位姿估计出现提高。
Jul, 2021
在两视相对估计中,本文介绍了一种基于最近的仅位姿成像几何来通过适当的重新加权过滤异常值的线性相对姿态估计算法,该算法能够处理平面退化场景,在存在高比例异常值的情况下提高鲁棒性和准确性,通过将线性全局平移约束嵌入迭代重新加权最小二乘 (IRLS) 和 RANSAC 的策略中来实现鲁棒异常值去除,Strecha 数据集的仿真和实际测试表明,该算法在面对高达 80% 的异常值时实现了 2 到 10 倍的相对旋转准确性改进。
Jan, 2024