![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
文章平均质量分 89
计算机视觉life
这个作者很懒,什么都没留下…
展开
-
【开源代码】Wheel-SLAM:首个只有一个 Wheel-IMU 使用地形特征(由 Wheel-IMU 测量)的 SLAM 系统
以下内容来自从零开始机器人SLAM知识星球 每日更新内容点击领取学习资料 → 机器人SLAM学习资料大礼包#论文##开源代码# Wheel-SLAM: Simultaneous Localization and Terrain Mapping Using One Wheel-mounted IMU论文地址:https://arxiv.org/abs/2211.03174作者单位:武汉大学开源地址:GitHub - i2Nav-WHU/Wheel-SLAM: Simultaneous Locali原创 2022-12-07 09:28:28 · 514 阅读 · 0 评论 -
秋招,心碎在华为
大家好,我是小六,秋招接近尾声,不知道今年秋招的小伙伴有没有拿到满意的offer?这两天和的学习小组成员交流,他们有不少人参加今年的校招,有的想拿大厂offer不得有几个小厂offer在纠结,有的offer突然被毁约惊慌失措,有的还在实习期待转正,有的offer都没落地希望放在了春招 ……几家欢喜几家忧。原创 2022-11-04 09:42:15 · 739 阅读 · 1 评论 -
机器人系统,如何快速算法开发与原型机验证?
你有没有遇到过如下问题?机器人实体研发成本高,想要快速低成本验证系统?不编写复杂代码的情况下,想要快速得到可视化效果?如何快速在机器人上测试算法的有效性?如何快速通过仿真系统设计验证产品的可行性?为解决上述问题,计算机视觉life联合曼彻斯特大学博士合作开发了《机器人系统与算法快速开发与原型验证实训》课程,帮助从业者解决以上问题!原创 2022-09-29 09:53:05 · 527 阅读 · 0 评论 -
如何学习图像三维重建?
随着近几年机器人、自动驾驶、AR等技术的飞速发展,三维重建这个学术名词也逐渐出现在大众的视野中。那究竟什么是三维重建呢?简单来说,三维重建是指用相机等传感器拍摄真实世界的物体、场景,并通过计算机视觉技术进行处理,从而得到物体的三维模型。如下所示。涉及的主要技术有:多视图立体几何、深度图估计、点云处理、网格重建和优化、纹理贴图、马尔科夫随机场、图割等。讲师硕士毕业于C9高校知名图形图像实验室,目前就职于头部图形图像公司,有7年三维重建、图形图像项目经验。...原创 2022-08-09 10:49:33 · 2078 阅读 · 0 评论 -
赞!图像几何三维重建代码实战教程来啦!深度计算+点云处理+网格重建优化+纹理贴图!
随着近几年机器人、自动驾驶、AR等技术的飞速发展,三维重建这个学术名词也逐渐出现在大众的视野中。那究竟什么是三维重建呢?简单来说,三维重建是指用相机等传感器拍摄真实世界的物体、场景,并通过计算机视觉技术进行处理,从而得到物体的三维模型。如下所示。涉及的主要技术有多视图立体几何、深度图估计、点云处理、网格重建和优化、纹理贴图、马尔科夫随机场、图割等。讲师硕士毕业于C9高校知名图形图像实验室,目前就职于头部图形图像公司,有7年三维重建、图形图像项目经验。...原创 2022-08-02 10:39:52 · 1715 阅读 · 1 评论 -
SST-Calib:结合语义和VO进行时空同步校准的lidar-visual外参标定方法(ITSC 2022)
校正流程如下图。校准包括用于空间外参初始标定的静态空间参数校准模块和用于双参数估计的联合时空参数校准模块。算法的输入包括一个lidar点云扫描帧和两个连续的RGB图像,算法的目标是估计出6dof的外参和与之间的时间延迟。大致做法是先通过任意的语义分割方法分割点云和图像出各自的语义mask与。然后通过外参标定初值和相机已知的内参,将lidar点云投影到相机图像平面上,同时通过从点到像素和从像素到点执行最近邻搜索,并且计算它们的欧式距离用作之后优化的代价函数。...转载 2022-07-26 10:55:48 · 477 阅读 · 1 评论 -
聊聊 中国人工智能科技产业 区域竞争力分析及趋势
最近看了一个关于国内AI的报告《中国新一代人工智能科技产业区域竞争力评价指数(2021)》,里面有一些有意思的趋势,给大家分享一下。评价方法和数据来源 首先说下评价指标,报告中的AI产业区域竞争力评价指标挺全面,包括 6 项一级指标、10 项二级指标,从数量和质量两个维度设立的24 项三级指标从图中看,覆盖了企业、学术、资本等多个维度,能考虑到的主要因素都在内了。那样本数据有多少呢?总共涉及2205 家人工智能企业、 3741 个投资者/机构转载 2022-02-23 20:13:36 · 3817 阅读 · 0 评论 -
ICRA2022 | 爱丁堡&牛津&利物浦大学联合开源AutoPlace:车载单片毫米波雷达场景识别
今天给大家介绍一个最新的开源工作:AutoPlace,主要用于车载单片毫米波雷达场景识别。该工作由爱丁堡大学MAPS Lab的卢晓轩团队(Kaiwen Cai, Bing Wang, Chris Xiaoxuan Lu)完成,开源了代码和数据集,转载 2022-02-18 21:05:23 · 535 阅读 · 0 评论 -
谷歌开源的激光SLAM算法Cartographer为什么这么牛X?
谷歌开源的激光SLAM算法Cartographer为什么这么牛X?原创 2022-01-17 20:45:08 · 1035 阅读 · 0 评论 -
SLAM 深度估计 三维重建 标定 传感器融合
经常有粉丝问视觉/激光/SLAM、三维重建等方向的学习路线,这里我再总结给大家,如下所示:随着最近几年智能机器人、自动驾驶、AR/MR等领域的快速发展,企业对3D视觉算法及SLAM算法需求越来越强烈,该领域迎来了爆发式发展。按照应用不同我们把3D视觉及SLAM算法分为如下方向:视觉深度估计视觉(惯性)SLAM激光/多传感器融合SLAM几何/深度学习三维重建视觉传感器标定下面分别介绍(本文较长,建议收藏)原创 2022-01-15 18:23:49 · 4444 阅读 · 0 评论 -
全国最大SLAM开发者学习交流社区 欢迎加入
计算机视觉life旗下“从零开始学习SLAM”知识星球创办于2018年,旨在建立SLAM、三维视觉领域的开发者学习、交流社区。运行三年多已经累计分享干货5300次、答疑/评论9550+次,汇集了行业内3000+优秀的从业者,如今已是全国最大的SLAM开发者学习交流社区。原创 2022-01-03 21:42:40 · 3109 阅读 · 0 评论 -
伦敦大学学院开源物体级语义SLAM 支持单/双目LiDAR
点击上方“计算机视觉life”,选择“星标”快速获得最新干货1. 摘要最近,伦敦大学学院开源了面向对象的SLAM系统DSP-SLAM,它为前景对象构建了一个丰富而精确的稠密3D模型的联合地图,并用稀疏的地标点来表示背景。可以在3种不同的输入模式下以每秒10帧的速度工作:单目、双目或双目+激光雷达。与最近基于深度先验的重建方法相比,物体姿态和形状重建有了改进,并减少了KITTI数据集上的相机跟踪漂移。项目网站:https://jingwenwang95.github.io/dsp-slam/代码:https:转载 2021-12-13 21:05:25 · 517 阅读 · 0 评论 -
武大+CMU最新开源 全面支持平面/鱼眼/球面相机的实时统一线段检测算法
武大+CMU最新开源!全面支持平面/鱼眼/球面相机的实时统一线段检测算法转载 2021-12-09 22:00:43 · 522 阅读 · 0 评论 -
点云可以预测未来?波恩大学最新开源:自监督的三维点云预测
德国波恩大学StachnissLab最新工作,基于自监督学习的未来三维点云预测,被CoRL2021录用。论文及代码都已开源!原创 2021-12-02 20:20:51 · 570 阅读 · 0 评论 -
代码实战 | 用LeGO-LOAM实现BFS点云聚类和噪点剔除
点击上方“计算机视觉life”,选择“星标”快速获得最新干货作者介绍:Zach,移动机器人从业者,热爱移动机器人行业,立志于科技助力美好生活。他也是我们课程学员:基于LiDAR的多传感器融合SLAM:LOAM、LeGO-LOAM、LIO-SAMLeGO-LOAM的软件框架分为五个部分:分割聚类:这部分主要操作是分离出地面点云;同时,对剩下的点云进行聚类,剔除噪声(数量较少的点云簇,被标记为噪声);特征提取:对分割后的点云(排除地面点云部分)进行边缘点和面点特征提取;Lidar里程计:在连续帧之间(边缘点和面原创 2021-11-19 23:53:53 · 1676 阅读 · 0 评论 -
SLAM论文写作经验 | 小白、跨专业、无人指导、一年多从零到发顶会,他如何做到?
点击上方“计算机视觉life”,选择“星标”快速获得最新干货昨晚知识星球定期(每月6/16/26日)组织的内部私密直播:《SLAM方向顶会论文写作及发表经验分享》,引起SLAM小伙伴们墙裂的共鸣。嘉宾分享了他从机械跨专业学习SLAM一年,在没有导师和师兄师姐指导的情况下,一个人奋斗最终成功中一篇IROS 2021顶会的经验。简直一路开挂,从青铜到王者,这里小小的透露下,嘉宾自爆过了半年多朝九晚十二的枯燥生活。。。星球成员在直播间关于SLAM学习、论文写作、投稿等讨论的非常热烈。以下是嘉宾分享的PPT内容上述原创 2021-10-18 10:14:59 · 2055 阅读 · 1 评论 -
观点 | SLAM会被深度学习取代吗?
点击上方“计算机视觉life”,选择“星标”快速获得最新干货首先祝大家国庆节快乐!今天和大家聊一个有趣的话题:SLAM是否会被深度学习取代。据说卡内基梅隆大学机器人研究所的计算机视觉课程,分成了两部分,一个是基于学习的方法,一个是基于几何的方法。作为一个SLAMer,深深的感受到最近几年SLAM的快速发展,以前很多人说起计算机视觉,基本就和深度学习视觉算法划上了等号,如今SLAM也有自己的一席之地了。几何方法和学习方法,已经成为现代计算机视觉的两根支柱。不过在学术界,最近几年,顶会上SLAM和深度学习结合的原创 2021-10-02 14:11:40 · 1280 阅读 · 1 评论 -
原理+代码详解 | 稠密重建之SGM/tSGM算法
点击上方“计算机视觉life”,选择“星标”快速获得最新干货注:本文来自计算机视觉life独家课程 视觉三维重建:原理剖析+逐行代码详解 中的课件及注释代码。立体匹配算法介绍全局立体匹配算法全局立体匹配算法主要是采用了全局的优化理论方法估计视差,建立全局能量函数,通过最小化全局能量函数得到最优视差值;通过二维相邻像素视差之间的约束(如平滑性约束)而得到更好的匹配效果,但是对内存的占用量大,速度慢不适合实时运行。主要的算法有图割(graph cuts)、信念传播(belief propag原创 2021-04-28 14:33:50 · 3534 阅读 · 0 评论 -
VSLAM系列原创04讲 | 四叉树实现ORB特征点均匀化分布:原理+代码
本文系ORB-SLAM2原理+代码实战系列原创文章,对应的视频课程见:如何真正搞透视觉SLAM?大家好,从今天开始我们陆续更新ORB-SLAM2/3系列的原创文章,以小白和师兄对话的形式阐述背景原理+代码解析,喜欢的点个赞分享,支持的人越多,更新越有动力!如有错误欢迎留言指正!代码注释地址:https://github.com/electech6/ORB_SLAM2_detailed_commentsVSLAM系列原创01讲 | 深入理解ORB关键点提取:原理+代码VSLAM系列.原创 2021-03-27 22:23:57 · 2941 阅读 · 2 评论 -
VSLAM系列原创02讲 | ORB描述子如何实现旋转不变性?原理+代码
本文系ORB-SLAM2原理+代码实战系列原创文章,对应的视频课程见:如何真正搞透视觉SLAM?大家好,从今天开始我们陆续更新ORB-SLAM2/3系列的原创文章,以小白和师兄对话的形式阐述背景原理+代码解析,喜欢的点个赞分享,支持的人越多,更新越有动力!如有错误欢迎留言指正!代码注释地址:https://github.com/electech6/ORB_SLAM2_detailed_commentsVSLAM系列原创01讲 | 深入理解ORB关键点提取:原理+代码接上回继..原创 2021-03-27 22:20:26 · 1004 阅读 · 0 评论 -
VSLAM系列原创01讲 | 深入理解ORB关键点提取:原理+代码
原文见:VSLAM系列原创01讲 | 深入理解ORB关键点提取:原理+代码转载 2021-02-13 14:25:04 · 442 阅读 · 0 评论 -
VDO-SLAM :一种动态目标感知的视觉SLAM系统
VDO-SLAM :一种动态目标感知的视觉SLAM系统(VDO-SLAM :A Visual Dynamic Object-aware SLAM System)论文地址:https://arxiv.org/pdf/2005.11052v2.pdf代码: https://github.com/halajun/vdo_slam摘要:场景刚性假设,也称为静态环境假设,经常被使用到SLAM算法中。如今大部分算法在复杂的动态环境下运行时,会考虑通过删除移动物体或单独跟踪移动物体来简化问题。这种强假设限制了自原创 2020-09-10 09:36:52 · 7955 阅读 · 1 评论 -
一种有效的平面光束法平差方法
一种有效的平面光束法平差方法本文由计算机视觉 life 公众号从零开始学习 SLAM 知识星球翻译摘要本方法(PBA, Planar Bundle Adjustment)使用点到面的 cost 同时优化深度相机位姿和三维重建中的平面参数。直接用视觉中的 BA 方法来做深度相机三维重建效率很低,这是因为深度传感器一次观测一个平面上的许多点,计算压力较大。本文改进了 BA 中雅可比矩阵和残差向量。实验结论:第一,相对于传统 BA 能够更快计算,第二,相对于优化面到面的 cost,精度更高且面对初始原创 2020-09-08 17:00:01 · 1172 阅读 · 0 评论 -
激光雷达和相机的在线语义初始化与校准
激光雷达和相机的在线语义初始化与校准论文名称: SOIC: Semantic Online Initialization and Calibration for LiDAR and Camera作者: Weimin Wang, Shohei Nobuhara, Ryosuke Nakamura and Ken Sakurada论文下载:https://arxiv.org/pdf/2003.04260v1.pdf论文代码:https://github.com/−−/SOIC本文的核心思想文章提出了原创 2020-09-08 16:58:51 · 1019 阅读 · 2 评论 -
GPO:快速、准确地进行单眼SLAM初始化的全局平面优化
GPO:快速、准确地进行单眼SLAM初始化的全局平面优化摘要初始化对于单目SLAM来说是必须的。本文重点研究了一种基于平面特征的单目SLAM初始化方法。该算法从滑动窗口的单应矩阵估计开始,然后通过全局平面优化(global plane optimization, GPO)获取相机位姿和平面法线。3D点可以通过使用平面约束恢复,无需三角化(or三角测量)。本文提出的方法充分利用了多帧的平面信息,避免了单应矩阵分解中的模糊性。我们在收集来的棋盘数据集上参照基准方法的实现,验证了我们的算法,并进行了广泛的分析原创 2020-09-08 16:51:19 · 287 阅读 · 1 评论 -
我们急需三维激光数据的语义分割吗?
我们急需三维激光数据的语义分割吗?今天给大家分享一篇论文,论文名称: Are We Hungry for 3D LiDAR Data for Semantic Segmentation?作者: Biao Gao, Member, IEEE, Yancheng Pan, Member, IEEE, Chengkun Li, Member, IEEE, Sibo Geng, Member, IEEE, Huijing Zhao, Member, IEEE,论文下载: https://arxiv.org原创 2020-09-08 16:48:07 · 934 阅读 · 0 评论 -
基于双目深度估计的深度学习技术研究
基于立体声深度估计的深度学习技术研究英文标题: A Survey on Deep Learning Techniques for Stereo-based Depth Estimation论文地址: https://arxiv.org/abs/2006.025350.摘要从彩色图像中估计深度是一个长期存在的不适定问题(ill-posed problem),其已经在计算机视觉、图形学和机器学习领域中被研究了数十年。在现有技术中,由于与人类的双目系统有着紧密联系,立体匹配是应用最广泛的技术之一。在传统方原创 2020-09-08 15:57:28 · 8209 阅读 · 0 评论 -
基于图像语义的视觉同步定位和建图综述:面向应用的移动机器人自主导航解决方案
基于图像语义的视觉同步定位和建图综述:面向应用的移动机器人自主导航解决方案论文名称: A survey of image semantics-based visual simultaneous localization and mapping Application-oriented solutions to autonomous navigation of mobile robots作者: Linlin Xia, Jiashuo Cui, Ran Shen, Xun Xu, Yiping Gao an原创 2020-09-08 14:31:32 · 2493 阅读 · 0 评论 -
Image-based 3D Object Reconstruction: State-of-the-Art and Trends in the Deep Learning Era
Image-based 3D Object Reconstruction: State-of-the-Art and Trends in the Deep Learning Era深度学习领域基于图像的三维物体重建最新方法及未来趋势综述论文下载:https://arxiv.org/abs/1906.06543摘要:三维重建是计算机视觉计算机图形学和机器学习等领域几十年来一个不适定问题。从2015年开始使用CNN解决基于图像的三维重建(image-based 3D reconstruction)有了极大原创 2020-09-08 14:17:57 · 2046 阅读 · 0 评论 -
Good Feature Matching: Towards Accurate, Robust VO/VSLAM with Low Latency 良好的特征匹配:实现准确、鲁棒的低延迟VO/VSLA
Good Feature Matching: Towards Accurate, Robust VO/VSLAM with Low Latency 良好的特征匹配:实现准确、鲁棒的低延迟VO/VSLAM论文:https://arxiv.org/abs/2001.00714代码:单目https://github.com/ivalab/GF_ORB_SLAM双目https://github.com/ivalab/gf_orb_slam2摘要—在VO或VSLAM系统中保持性能(精确度和鲁棒性)和效率(原创 2020-09-08 10:43:46 · 694 阅读 · 0 评论 -
基于深度学习的影像深度重建综述
基于深度学习的影像深度重建综述论文名称:A Survey on Deep Learning Architectures for Image-based Depth Reconstruction作者单位:University of South Australia论文下载链接:https://arxiv.org/pdf/1906.061131 本文核心思想在计算机视觉、图形学、机器学习领域中,从RGB影像中恢复深度已经研究了数十年。而深度学习与大规模训练集的出现颠覆了传统的方法。本文综合介绍利用深度学原创 2020-09-07 17:11:08 · 1505 阅读 · 0 评论 -
GPO:快速、准确地进行单眼SLAM初始化的全局平面优化
GPO:快速、准确地进行单眼SLAM初始化的全局平面优化摘要初始化对于单目SLAM来说是必须的。本文重点研究了一种基于平面特征的单目SLAM初始化方法。该算法从滑动窗口的单应矩阵估计开始,然后通过全局平面优化(global plane optimization, GPO)获取相机位姿和平面法线。3D点可以通过使用平面约束恢复,无需三角化(or三角测量)。本文提出的方法充分利用了多帧的平面信息,避免了单应矩阵分解中的模糊性。我们在收集来的棋盘数据集上参照基准方法的实现,验证了我们的算法,并进行了广泛的分析原创 2020-09-07 15:50:09 · 278 阅读 · 0 评论 -
RadarSLAM: 全天候大场景雷达slam
RadarSLAM: 全天候大场景激光slamRadarSLAM: Radar based Large-Scale SLAM in ALL Weathers项目主页:http://pro.hw.ac.uk/research/radarslam/摘要近年来,依靠各类传感器的slam已经得到了广泛使用。然而,slam算法在极端天气下的鲁棒性问题一直未得到解决。在本文中,作者提出了一种全天候,大场景下的激光slam框架。通过全新的特征匹配和概率点云地图实现了包括位姿估计、局部建图、回环检测以及位姿图优化一原创 2020-09-07 14:48:16 · 1627 阅读 · 0 评论 -
ORB-SLAM源码讲解专题五:理解共视图、本质图、扩展树
SLAM研习社对之前所有直播进行了总结,包括视频、PPT,方便大家二次学习。内容:ORB_SLAM2中的covisibility graph、spanning tree,essential graph的创建、更新、使用方法嘉宾:小六,计算机视觉life公众号负责人,SLAM研习社社长,计算机视觉算法工程师,研究方向视觉slam,三维重建。课件PPT下载:计算机视觉life菜单栏或扫码下面海报二维码回复:共视图视频录像哔哩哔哩理解共视图、本质图、扩展树小程序视频PPT...原创 2020-09-05 22:04:47 · 3279 阅读 · 0 评论 -
IROS2019 |新开源SuMa++:语义激光雷达SLAM可靠过滤动态物体
SLAM大牛Cyrill Stachniss组发表在IROS2019的新论文SuMa++: Efficient LiDAR-based Semantic SLAM,已经开源。demo视频:论文链接:http://www.ipb.uni-bonn.de/wp-content/papercite-data/pdf/chen2019iros.pdf开源代码:https://github.com...原创 2019-11-08 19:36:32 · 4370 阅读 · 1 评论 -
AI资源对接需求汇总: 第4期
由于格式原因,更好的阅读体验请查看原文链接: AI资源对接需求汇总: 第4期平台介绍平台由人工智能领域几个知名原创公众号发起,总读者约25万。主要面向人工智能领域的从业者,涵盖图像处理、三维计算机视觉、机器学习、深度学习、自然语言处理等技术,涉及手机影像、辅助/自动驾驶、移动机器人、无人机、AR、VR、工业自动化等产业。平台宗旨:为大家提供人工智能相关的资源对接机会,包括但不限于:求职招聘...原创 2019-10-16 09:11:27 · 7096 阅读 · 0 评论 -
IEEE SIDAS 2016参会总结
今年的IEEE SIDAS(IEEE SIGNAL AND DATA SCIENCE FORUM)会议紧接VALSE2016在武汉同一个会场举办。时间是4月25-26日,会议日程非常紧凑,有不少报告是在不同的会议厅并行举办。总的来说,会议的嘉宾有很多的大牛(感觉比VALSE更senior),报告偏学术一些,还有不少针对学生的panel。但是,参会人数远不如VALSE2016,没有demo展示原创 2016-04-26 20:28:59 · 3921 阅读 · 0 评论 -
自识别标记(self-identifying marker) -(5) 用于相机标定的CALTag图案设计
由于CALTag图案一般打印后张贴在自然环境中使用,需要考虑运算量、旋转不变、鲁棒性等从而保障在大部分环境下有较强的实用性,所以设计还是比较讲究的,需要注意一些细节。 下面以code尺寸M x N=4 x 4,边界尺寸K=2为例进行介绍。这也是推荐的设计模式。code尺寸的选择是综合考虑了codebook的大小和图案的物理尺寸而确定的。Code尺寸越大,codebook里的code就越多,如果实际原创 2016-09-10 22:56:46 · 1857 阅读 · 0 评论 -
自识别标记(self-identifying marker) -(1) 简介
一、什么是自识别标记(Self-identifying marker)?自识别标记在不同的论文中有不同称谓,比如self-identifying marker, self-identifying marker pattern, fiducial marker等, 在此我们统称为自识别标记。 自识别标记乍一看有点类似我们常见的二维码,其每个标记具有唯一性。和二维码不同的是,自识别标记在实际应用中通常由原创 2016-08-31 16:07:03 · 4705 阅读 · 0 评论 -
自识别标记(self-identifying marker) -(2) 用于相机标定的CALTag介绍
CALTag介绍CALibration Tag(简记为CALTag)是一种平面自识别标记,专门用于自动化相机标定。这种方法有如下几个必杀技完爆传统的标定方法: 1、几乎可以找全图像视野内所有的角点,相比之下,opencv自带的角点检测函数必须提前指定棋盘格大小,且只能找到矩形棋盘格形状内部的角点。 2. 不需要所有的棋盘格出现在图像内。可用于棋盘被遮挡、只拍摄到部分棋盘等比较有挑战的环境。原创 2016-09-02 12:40:10 · 3348 阅读 · 0 评论