- LONEStar: 月光筒光学导航实验
本篇研究报道了高度成功的月球手电筒光学导航实验及其星敏感器（LONEStar）的结果，该实验是 NASA 资助的技术示范任务，并在 2022 年 12 月发射。LF 因推进系统异常而无法进入月球轨道，被抛出地月系进入日心系。NASA 将 L - CVPR使用从监控记录中重建的 3D 骨架进行马行为预测建模
本文介绍了一种从 4 个同时监控相机录制的视频中重建马的 3D 姿势的管道，该管道包括训练 2D 无标记姿势估计模型，然后将其应用于视频并执行三角测量。通过数值评估结果（误差分析），以及展示所实现姿势在所选行为预测的下游任务中的实用性，本文 - DAC: 深度局部特征的检测器不可知空间协方差
该研究提出了两种后置协方差估计方法，可以用于任何经过预训练的深度特征检测器，这些协方差可以直接与特征匹配误差相关联，从而改善下游任务，包括三角化，透视 - N 点问题和只运动捆绑调整。
- ICLRCircNet：基于外接圆检测的 3D 点云网格化
本文提出了一种基于深度神经网络的点云三角化方法，通过检测三角形垂心来实现，从而避免了枚举所有三角形组合和表面参数化，实现了高效、通用和稳健的三角化。
- AAAI具备自监督的渐进式多视角人体网格恢复
通过使用中间的二维表示，可学习的校准和三角测量来适应更多样化的相机设置，逐步聚合多视图信息在规范化三维空间中消除二维表示中的歧义，通过广泛的基准测试，特别是针对野外场景的未见过的情况下，我们展示了所提出的解决方案的优越性。
- 使用三维相机投影优化重叠覆盖的相机布局
本文提出一种计算相机 6 自由度姿态以实现用户定义覆盖的方法，其中相机放置问题建模为组合优化问题，并通过混合整数线性规划问题形式化非线性代价函数来最小化实现的覆盖与期望覆盖之间的平方误差，利用相机镜头模型将相机视图投影到 3D 体素图中计算 - PointTriNet：学习三维点集的三角化
本研究通过使用 PointTriNet 模型，基于局部几何数据，使用一个分类网络和一个提议网络，生成一组点的三角剖分，实现了一个不需要监督训练的，可扩展的三维几何形态学习方法。
- ECCVDELTAS: 通过学习三角化和稀疏点的密集化进行深度估计
该研究提出了一种基于 interest point detection 和 descriptor learning 的深度估计方法，通过三个步骤，匹配、三角测量和稠密化得到 3D 点云，实现了高精度和低计算消耗的双赢，将该方法与强基线进行对 - ECCV局部特征几何的多视角优化
本研究提出了一种基于多视图三角化和非线性最小二乘的方法来优化局部图像特征的定位精度，实验证明该方法能够提高手工制作和学习的局部特征的三角化和相机定位性能。
- CVPR通过兴趣点网络的多视角 2D/3D 刚性配准，用于跟踪和三角测量 ($ ext {POINT}^2$)
提出一种名为 $ ext {POINT}^2$ 的新方法，使用基于关键点的追踪和三角测量来解决干预多视图 2D/3D 刚性注册问题。该方法表现出更好的鲁棒性和准确性，并且在初始位姿估计方面也具有更快的速度。
- 低色散度快速无线电爆发
描述了在 Parkes 望远镜的高时间分辨率宇宙南部调查中发现了 FRB 110214，并利用三边定位技术在主要探测波束的旁瓣中确定了可能的源区域，并在接下来的近 100 小时内进行了追踪观测，未发现任何重复脉冲。
- 三角化的 QCQP 方法
本文提出一种基于半定位规划的算法，用于从噪声图像中提取解决三维点的三角化问题的候选解，同时描述了一个足够条件和多项式时间测试来证明该解决方案的最优性并在实践中取得了显著的表现，解释了从几何角度来看这个现象。