pose accuracy | BriefGPT - AI 论文速递

关键词pose accuracy

搜索结果 - 8

表示相机重定位的三维稀疏地图点和线
通过利用一个轻量级神经网络，我们展示了如何学习表示三维点和线特征，并通过多个学习映射的力量在姿态准确性方面取得领先的结果。我们通过使用一个转换器块编码线特征，将其有效地转化为独特的点式描述符，并在几个图层中集成自注意力和交叉注意力，从而有效
PDF4 months ago
SR-LIVO：激光雷达 - 惯性 - 视觉里程计与重建
SR-LIVO 是一种先进的 LIV-SLAM 系统，使用扫描重建来将重建扫描与图像时间戳对齐，从而允许 LIO 模块准确确定所有成像时刻的状态，提高姿态准确性和处理效率。通过两个公共数据集的实验结果表明：1）我们的 SRLIVO 在姿态准
PDF6 months ago
人体姿势估计的校准
该研究论文介绍了解决姿势估计中的误校准问题的方法，通过理论分析和网络调整实现了准确度的显著提升，并提出了一种轻量级后期增益算法（CCNet），可进一步改善准确度。
PDF7 months ago
CVPR加速坐标编码：使用 RGB 和姿态学习在几分钟内重新定位
本文介绍了一种学习基础的视觉重定位系统，利用无场景特异性特征骨干和场景特异性预测模型，结合多点并行迭代训练来提高定位精度，并使用反投影损失替代复杂的末端到末端训练过程，从而提高训练速度，而且优于最先进的场景坐标回归方法。
PDFa year ago
DeepPCO: 深度并行神经网络实现的端到端点云里程计
本文研究如何利用深度学习估计点云里程计，并提出了一个称为 DeepPCO 的新型神经网络模型，可通过估计连续点云来预测 6 自由度姿态，实验结果表明该方法在位姿准确性方面表现良好。
PDF5 years ago
端到端 6 自由度视觉定位和里程的深度全局相对网络
本文提出了一种基于深度端到端网络的长期六自由度视觉里程法，通过融合相对网络和全局网络来改进单目定位的准确性，并使用交叉变换约束和均方误差来优化参数，实验结果表明本方法在位姿准确性方面优于其他最先进的基于学习的视觉里程计方法。
PDF6 years ago
CVPR混合场景压缩用于视觉定位
这篇论文介绍了一种新的混合压缩算法，用于视觉定位，能够在不增加存储要求的情况下获得更完整的场景表示，并且在相同的内存限制下比以前的压缩技术具有更高的姿态准确性。
PDF6 years ago
UnDeepVO: 无监督深度学习单目视觉里程计
本文提出了一种新颖的单目视觉里程计（VO）系统 UnDeepVO，其能够使用深度神经网络估计单目相机的 6-DoF 姿态和视野深度，该系统具有无监督深度学习方案和绝对尺度恢复两个显着特点，并且在 KITTI 数据集上获得了良好的姿态精度。
PDF7 years ago