Aug, 2024

三维地图中的视觉定位：比较点云、网格和NeRF表示

HTML
PDF
TL;DR本研究解决了在三维颜色地图中有效进行视觉定位的问题，提出了一种跨模态全球视觉定位系统。通过点云、网格和神经辐射场（NeRF）三种最新方法生成的数据库，本系统能够在多种环境中实现超过55%的定位成功率，其中NeRF合成图像的平均成功率达到72%，显示出其在全球定位中的潜在应用价值。
发现论文，激发创造
  • 使用隐式映射的视觉三维定位学习模型

    基于学习的方法，使用生成式查询网络（GQNs）与新颖的注意力机制，无需建立显式的点云或体素地图，实现对Minecraft中的3D场景进行视觉定位任务。

    Jul, 2018

  • 大规模实时视觉惯性定位重访

    本文提出了一种基于图像的定位方法，使用本地特征和稀疏的三维模型进行全球规模的离线和在线实时客户端姿态融合，实现低延迟本地化查询，证明了该方法在大规模模型上的有效性。

    Jun, 2019

  • Synfeal: 基于数据驱动的端到端相机定位模拟器

    本研究中，我们提出了一种名为Synfeal的数据驱动模拟器，通过在真实世界的逼真三维重建中移动虚拟摄像机并收集相应的地面真实摄像机姿势来合成真实场景的大型定位数据集。通过使用Synfeal合成数据集并对其进行有针对性的训练，本文证明了这能够优于其他数据集的训练效果，而且当数据集的大小越大时，算法的性能也显著提高。

    May, 2023

  • 基于局部特征的视觉定位的受约束近似最近邻算法(CANN)

    本文提出了一种名为Constrained Approximate Nearest Neighbors (CANN)的近似K最近邻联合解决方案，该方案只使用局部特征进行跨几何和外观空间的K最近邻检索以提高视觉定位的性能，并且在公共定位基准测试中成功地优于现有方法。

    Jun, 2023

  • D2S：相机重定位中的本地描述符和全局场景坐标表示

    本研究提出了一种基于学习的直接定位方法, 使用简单的网络D2S来表示本地描述符和场景坐标, 通过选择性关注鲁棒描述符并忽略云、树木和其他动态物体的方法, 完成了稀疏描述符的二元-语义分类, 在室内和室外环境中超越了现有的基于CNN的方法。

    Jul, 2023

  • 基于图像的地理定位通过地面到2.5D地图匹配

    本文研究基于图像的地理定位问题，通过在地图上确定地面视角的查询图像。我们提出了一种新的方法，通过2.5D空间中的结构高度来引导跨视图匹配，并借助多模态数据学习代表性嵌入。我们构建了第一个大规模的地面到2.5D地图地理定位数据集来验证我们的方法，并在单图像定位和路径定位等任务上进行了广泛实验，结果表明我们的方法在定位精度和收敛速度上明显优于之前的基于2D地图的方法。

    Aug, 2023

  • LocoNeRF：一种基于NeRF的局部运动结构方法用于精确定位

    提出了一种利用运动感知结构（Structure from Motion，SfM）技术，通过利用神经辐射场（Neural Radiance Fields，NeRF）技术来提高视觉定位精度的新方法，并进行了与现有方法的存储和精度比较。

    Oct, 2023

  • 从姿态中隐式学习场景几何用于全局定位

    通过利用少量的标签数据（即相机姿态），本文提出了一种学习方法，将这些标签与刚性对齐相结合，学习场景的三维几何表示，并将其用于估计相机的六自由度姿态，从而提高了定位的准确性。

    Dec, 2023

  • 基于点云神经辐射场的视觉定位

    通过统一基于点的表示，本文提出了一种新颖的视觉定位框架 PNeRFLoc，结合传统的基于结构的方法和基于渲染的优化，利用神经辐射场（NeRF）模型与视觉定位的特征进行融合，以提高定位准确性和效率。在处理合成数据时表现出最佳性能，并在视觉定位基准数据集上与现有最先进方法持平。

    Dec, 2023

  • 完美匹配：探索NeRF特征进行视觉定位

    本研究提出使用神经辐射场（NeRF）作为视觉定位的场景表示，通过利用NeRF的内部特征建立精确的2D-3D匹配来提升定位性能。通过研究NeRF的隐式知识和探索不同的匹配网络架构、提取多层的编码器特征以及多种训练配置，引入了NeRFMatch作为高级的2D-3D匹配函数，并在Cambridge Landmarks等标准定位基准上取得了业界领先的定位性能。

    Mar, 2024