heiyaheiya-CSDN博客

原创 SceneCode网络

SceneCode网络是一个使用学习的场景表示编码，来进行单目稠密语义重建网络。被CVPR 2019接收。创新点：1.使用一个基于图像的变分自动编码器来生成场景分割中紧凑且可优化的表示。2.提出一种新的多视图语义标签融合方法，优化语义信息一致性。3.提出一个单目语义三维重建系统，其中几何和语义信息耦合到联合优化的框架中。 ...

2019-06-03 16:46:41 937

原创 Layout网络阅读笔记

一种仅通过单张透视图或全景图就能估算室内场景3D布局的深度卷积神经网络。能够推广到非长方体的曼哈顿布局中。被 CVPR 2018 接收。创新点：1.提出了根据 RGB 图像推断出布局的算法与LayoutNet网络，它适用于曼哈顿布局的透视图和全景图。基于消失点对齐全景图像之后，利用深度网络直接预测边界与角落和边界。通过预测的角落与边界图，利用几何约束生成3维布局。2.通过添加目标函数以...

2019-06-03 16:45:22 486

原创相机姿态估计小总结

关于姿态估计算法，常用基于特征，直接匹配的配准方法。1基于特征的方法使用传统的方法寻找特征（比如SIFT）或者深度学习的方法寻找特征（比如LIFT、Magic leap)来寻找对应的特征点，并利用对极约束来估计相对变换矩阵。通过最小化重投影误差来优化求解。包括求本质矩阵，然后得到R、T；3D-3D情况下的ICP算法；3D-2D情况下的PnP算法。优缺点：基于特征的方法对于初始化是稳健的...

2019-06-03 16:42:07 5694

原创 BA-Net网络阅读笔记

创新点：1.构建LM可微循环网络２.深度图由一组基础深度图线性叠加组成１.构建LM可微循环网络对LM算法中阻尼因子进行学习【17】，使LM层可微。进而可以对整个网络进行端对端的学习训练，利用特征误差函数，同时优化特征学习网络和深度预测网络。　图...

2019-06-03 16:33:47 1312

原创 Learning to solve nonlinear least squares for monocular stereo阅读笔记

1.通过神经网络计算迭代更新来实现更好的最值逼近【19】。1.1使用长短期记忆回归神经网络（LSTM-RNN）来预测更新。因为雅可比矩阵结构常常表现出特定的倾向性，在将雅可比矩阵引入网络之前对其作变换，。通常优化计算算法中使用的是Hessian的近似，这篇文章使用LSTM-RNN网络来实现更强大的函数逼近能力。 ...

2019-06-03 16:27:02 383 1

原创 RegNet论文阅读笔记

1.解决问题现有的配准方法中，雅可比矩阵的计算常常是采用数值计算，只利用了邻域的像素信息，使得优化对初始值的设定十分敏感。为了解决这一问题，这篇文章提出了一个基于两张图像特征图的雅可比矩阵学习网络，来增大收敛范围，增加配准网络的性能。2.创新点提出一个基于两张图像特征图的雅可比矩阵学习网络，增大收敛范围，增加准确度和鲁棒性。3.重点1.采用特征矩阵误差来代替光度误差，特征...

2019-06-03 16:22:20 7879 2

原创成对匹配算法总结

现有的基于特征的匹配基本分为两大类。第一类基于概率图模型，特征匹配和成对特征一致性被整合成一元的成对的估计函数。概率图模型中的常见松弛是光谱宽松，将离散点松弛到连续域中进行计算。第二种策略是用刚性变换拟合一系列对应的特征，通过对不正确的特征对应进行了强约束来优化结果。1图匹配图匹配涉及建立它们的顶点集之间的对应关系，并同时考虑边集之间的一致性。图匹配相对于寻找鲁棒性的刚性拟合解而言，添加了...

2019-06-03 16:15:22 2666

原创扫描补全整理

扫描补全模型是指从部分观察中推断完整环境的研究。主要分成如下几部分。1.补全局部图像缺失纹理集成方法可以用于缝补图像局部的缺失（洞）和图像推理。例如 Barnes【5】等人通过拷贝类似模块的结构来填补空洞。Pathak【6】等人训练一个自动编码器网络。这些方法可以对图像的空洞进行很好的修复。但是不能预测视野之外的场景内容。注：a.PatchMatch网络【5】通过随机采样的方法...

2019-06-03 16:08:25 454

原创相对姿态估计

1.非深度学习技术对于RGBD扫描的相对姿态估计，通常用到的方法采用三步法，例如经典的4PCS 算法、以及改进版的super-4pcs【2】算法。第一步是从每个扫描中提取特征，第二步是建立提取特征之间的对应关系，第三步是对于具有特征关联一致性的特征子集拟合一个刚性变换。但是这些方法依赖于每个部分的参数设置，并且要求两个扫描输入之间有足够多的重叠特征进行匹配。注：Super-4pc...

2019-06-03 16:04:54 1410

原创 Extreme Relative Pose Estimation for RGB-D Scans via Scene Completion阅读笔记

解决问题现有的方法要求两个输入扫描之间有一定的重叠部分，才能进行姿态估计与配准。这篇文章主要解决极端场景下，比如没有重叠或者重叠较少的输入图片之间位姿估计的问题。2.创新点1.在场景补全和相对姿态估计模型中进行交替循环迭代计算。2.提出一种结合光谱匹配（图匹配）和寻找鲁棒性的刚性拟合解的新成像点匹配算法。3.将场景补全作为姿态估计的中间表示，而不是直接输出补全的场景...

2019-06-03 16:01:57 825

heiyaheiya的博客