- Splat-SLAM: 全局优化的仅 RGB 的 SLAM 与 3D 高斯
使用全局优化的 3D 高斯地图表示,结合单目深度估计、动态自适应关键帧姿态和深度更新,我们提出了首个只使用 RGB 的 SLAM 系统,实现了优化的跟踪、建图和渲染精度,并获得小型地图与快速运行时。
- MotionGS:通过运动滤波的紧凑高斯点云融合 SLAM
通过深度视觉特征、双关键帧选择和 3D 高斯喷洒,本文提出了一种基于三维高斯喷洒的 SLAM 方法。该方法通过特征提取和运动滤波在每一帧上实现了选择性跟踪,通过整个映射过程进行姿态和三维高斯的联合优化。此外,通过双关键特征选择和新颖的损失函 - 宽区域施工环境室内制图的 SLAM
在工厂大厅这样的复杂环境中,利用四个立体摄像头和一个三维激光扫描仪,应用最先进的激光雷达和视觉 SLAM 方法,进行数据收集、轨迹估计和密集地图生成,并生成精确的深度图用于自动建筑和现场监测。
- 利用次路线线性近似模型加速图像生成
SLAM 通过利用 Sub-path Linear Approximation Model (SLAM) 方法加速扩散模型,从而实现高质量图像生成,克服了现实场景中推理速度缓慢的问题,提供了一种新的加速方法。
- VBR:罗马视觉基准测试
本文介绍了一份在罗马收集的视觉和感知研究数据集,包括 RGB 数据、3D 点云、IMU 和 GPS 数据,并引入了一个新的基准用于视觉里程计和 SLAM,以推进自主机器人和计算机视觉的研究。
- LOSS-SLAM: 轻量级开放集合语义同时定位与地图构建
基于对象的开放式语义定位与映射(SLAM)系统通过紧密耦合的概率图模型来识别、定位和编码对象,以实现更准确的 SLAM,并承担较低的计算开销。
- JIST:序列视觉地点识别的联合图像和序列训练
通过利用 JIST 和 SeqGeM 提出的多任务学习框架和序列嵌入池化方法,本研究旨在通过视觉线索识别之前访问过的地点,以解决标记数据获取困难的问题,并在速度、嵌入大小、架构轻量化和处理多长度序列等方面优于现有技术。
- TRAM:来自野外视频的 3D 人体全局轨迹与运动
我们提出了 TRAM 方法,一个两阶段的方法,从野外视频中重建人类的全局轨迹和运动。通过增强 SLAM 以在存在动态人类的情况下恢复相机运动,并利用场景背景来推导运动尺度。利用恢复的相机作为度量尺度参考帧,我们引入一个视频转换模型 (VIM - EndoGSLAM: 内窥镜手术中的实时稠密重建与跟踪,利用高斯喷涂
EndoGSLAM 是一种用于内窥镜手术的高效 SLAM 方法,通过整合高速渲染和组织重建,实现在线相机跟踪和组织重建的 100 帧 / 秒渲染速度,具备优于传统或神经 SLAM 方法的手术过程中可用性和重建质量的平衡。
- RGBD GS-ICP SLAM
提出了一种融合通用迭代最近点(G-ICP)和 3D 高斯光滑(3DGS)的新型密集表达 SLAM 方法,通过使用单个高斯地图进行跟踪和建图,实现了冗余计算的最小化、系统效率的提升以及跟踪精度和建图质量的增强。
- DVN-SLAM:基于局部 - 全局编码的动态视觉神经 SLAM
基于局部 - 全局融合神经隐式表示的实时动态可视化 SLAM 系统 (DVN-SLAM) 能够提高场景表示能力、处理渲染过程中的不确定性,并在多个数据集上实现了竞争性的定位和映射性能,在动态场景中表现出鲁棒性,这是与其他基于 NeRF 的方 - NeuFlow:在边缘设备上实时高精度机器人光流估计
我们提出了一种高效的光流架构 NeuFlow,通过全局到局部的匹配方案,在不同计算平台上显著提高了效率,并成功在小型机器人如无人机上实现了复杂的计算机视觉任务,如实时定位与地图构建(SLAM)。
- 如何改变 SLAM: 一项调查对 NeRFs 和三维高斯喷洒的影响
通过最新的 radiance fields 进展提供首个对 SLAM 进展的综合概述,突出其背景、进化路径、优势和局限性,作为一个基础参考,突显其动态进展和特定挑战。
- 车辆定位的粒子滤波 SLAM
利用粒子滤波 (SLAM) 方法,结合编码数据和光纤陀螺数据实现车辆运动的精确估计,激光雷达技术提供环境感知,建立了一个粒子滤波 (SLAM) 框架,以有效地解决机器人系统中的同时定位和地图构建的复杂性。
- BrainSLAM:神经群体活动数据上的 SLAM
使用大鼠的神经活动数据,通过从大脑记录的局部场电位数据中解码速度和熟悉度信息,并利用 RatSLAM 启发的体系结构构建了空间地图的方法,将 SLAM 算法扩展至新的模态,从而促进了对认知地图在导航和决策中的作用的更好理解。
- AscDAMs: 先进的基于 SLAM 的信道检测和建图系统
该研究提出了一种基于 SLAM 的先进通道检测和建图系统(AscDAMs),通过数字正射影像地图辅助偏差校正算法、点云平滑算法和横截面提取算法等技术改进,显著提高了 SLAM 结果的精度,在探测泥石流通道内部方面弥补了现有技术的不足,并促进 - 在真实环境中使用混合策略进行多目标导航
我们提出了一种混合导航方法,将多对象导航(Multi-ON)任务分解为两个不同的技能:(1)使用经典 SLAM 和符号规划器处理航路点导航,而(2)使用结合监督学习和强化学习训练的深度神经网络处理探索、语义建图和目标检索,我们展示了该方法在 - SOS-SLAM: 面向非结构化环境的开放集合 SLAM 中的分割
一个新颖的开放式同步定位与地图构建(SLAM)框架,通过分割方法在无结构环境中创建对象地图和对象之间的几何关系以进行定位,该方法相对于传统基于特征和全局描述符的 SLAM 系统更具鲁棒性,在照明和外观变化方面表现更好,并且在定位性能方面超过 - 惯性引导下的视觉惯导视差不确定性估计
利用惯性导航方法估计特征对应关系的不确定性,提高视觉里程计和 SLAM 方法的准确性。
- 基于四次曲面级别物体映射的三维拓扑图的语义闭环检测
通过多级验证的对象级数据关联方法和基于二次曲面对象地图拓扑结构的语义闭环方法,我们将其整合到一个完整的对象感知 SLAM 系统中,并在定性实验和定量实验中验证了其有效性、稳健性以及在精度、召回率和定位精度等度量指标上优于现有方法。