视觉里程计
文章平均质量分 78
phy12321
2019年入学研究生在读
展开
-
RoadMap: A Light-Weight Semantic Map for Visual Localization towards Autonomous Driving
华为自动驾驶部门 基于轻量级语义地图的视觉定位工作原创 2022-01-06 12:50:03 · 2855 阅读 · 1 评论 -
b站 史雪松:室内机器人系统的长期视觉定位与建图 简单记录
视频链接室内机器人系统的长期视觉定位与建图主要面临的问题包括:缺乏长期采集的数据以及真值,环境随时间的变化,多机协作等。作者对于以上问题提出的解决方案有:缺乏数据:发布了室内多传感器数据集 openLORIS-scene, 以及室内外长期激光数据集。针对环境变化:提出DXSLAM:现有基于深度学习成果的集大成者(利用superpoint替换orb, 利用hfnet做定位)提出RaP-Net:在图像中的静态稳定区域提取关键点。多机协作:A collaborative visual sl原创 2021-08-02 22:49:09 · 716 阅读 · 0 评论 -
【综述】相机重定位综述
第一作者:Yoli Shavit,Ron Ferens研究机构: Toga Networks (华为,以色列)这篇论文将现有的相机位姿估计方法根据实现原理分为两个大类,基本涵盖了大部分关键方法,有助于入门相机位姿估计这一研究方向。论文解决的问题论文回顾总结了基于深度学习的相机绝对位姿估计方法,并描述了该领域的关键方法,并确定了未来的发展趋势,即改进原始深度位姿回归解。提供了一些基于学习的位姿估计方法的交叉对比实验,以及重现代码时的的实用tricks.最后,讨论了新的解决方案和潜在的未来研究.原创 2020-06-04 23:23:00 · 5627 阅读 · 0 评论 -
【论文笔记】显著性信息辅助的视觉SLAM系统 SBAS: Salient Bundle Adjustment for Visual SLAM
重庆大学, 汽车工程专业, 重庆大学机械传动重点实验室本文并不是第一个 利用显著性预测结果改进SLAM系统的工作,但是之前的工作都没有意识到显著性检测模型存在中心偏差的问题,这导致在没有显著性区域的场景中,显著性模型会将注意力集中在图像的中心区域,造成轨迹追踪失败。本文首先用语义分割模型SDC-Net对kitti数据集进行语义分割,得到包含静态目标的真值标签,然后根据此salient-kitti数据集对显著性模型进行训练,克服了中心偏差,在室内室外均取得了SOTA的精度。Abstract传统的视觉.原创 2021-01-23 20:50:56 · 848 阅读 · 3 评论 -
【论文笔记】无监督的视觉里程计、深度图估计、视差图估计方法:Robustness Meets Deep Learning: An End-to-EndHybrid Pipeline...
Robustness Meets Deep Learning: An End-to-EndHybrid Pipeline for Unsupervised Learning of Ego motion宾夕法尼亚大学本文提出使用深度学习方法和几何RANSAC结合的无监督相对位姿回归pipeline, 分别对光流图和视差图进行预测,然后使用RANSAC求解内点集合以及相对位姿。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-W7xF2tLu-1605529481292)(原创 2020-11-16 20:26:04 · 616 阅读 · 0 评论 -
无监督学习的视觉里程计 UnDeepVO: Monocular Visual Odometry through Unsupervised DeepLearning 论文笔记
埃塞克斯大学,单目视觉里程计VGG + 伪孪生FC网络是位姿预测网络的常用结构(undeepVO,deepPCO)这是一篇单目视觉里程计的工作, 其贡献以及特点主要有:使用无监督学习进行训练, 不受数据集真值的限制相比以往的单目里程计,可以恢复出绝对尺度同时完成了视觉里程计和深度估计两个任务训练阶段使用双目图像作为输入,测试时使用单目输入。方法概述:以双目相机k时刻和k+1时刻的左右图像作为输入,因此有4个图。网络由深度估计网络、相对位姿估计网络两个部分组成,分别生成深度图和相对位.原创 2020-11-09 15:51:35 · 1427 阅读 · 0 评论