杂七杂八
文章平均质量分 82
什么都有
醉酒柴柴
学习笔记
展开
-
【定位系列论文阅读】-InLoc: Indoor Visual Localization with Dense Matching and View Synthesis (二)
使用所提出的密集姿态估计(DensePE)和密集姿态验证(DensePV)的方法以粗体显示。使用NetVLAD检索作为基础检索方法(图5 (a)),我们的密集匹配姿态估计(NetVLAD [6]+DensePE(蓝线))与最先进的稀疏局部特征匹配(NetVLAD [6]+SparsePE(绿线))相比,定位率不断提高约15%。我们使用了一个公开可用的Disloc实现[54],该实现采用仿射协变特征[45]训练的200K词汇表,由RootSIFT[7]描述,从我们的室内数据集的数据库图像中提取。原创 2023-08-04 12:15:14 · 169 阅读 · 0 评论 -
【定位系列论文阅读】-InLoc: Indoor Visual Localization with Dense Matching and View Synthesis (一)
我们试图预测查询照片相对于大型室内3D地图的6个自由度(6DoF)姿态。这项工作的贡献有三方面。首先,我们开发了一种针对室内环境的大规模视觉定位方法。该方法分为三个步骤:(i)候选姿态的有效检索,确保大规模环境的可扩展性;(ii)使用密集匹配而不是局部特征进行姿态估计,以处理无纹理的室内场景;原创 2023-08-04 09:16:38 · 357 阅读 · 0 评论 -
【定位系列论文阅读】-Indoor Visual Positioning Aided by CNN-Based Image Retrieval: Training-Free(二)
ICL-NUIMICL-NUIM:数据集由两个室内场景(客厅和办公室)的相机轨迹的RGB-D图像组成。图像由手持Kinect RGB-D相机采集,轨迹的地面真值通过kincontinuum获得[62]。图像以640 × 480的分辨率拍摄。在每个场景中记录4个轨迹,在不同的位置为不同的轨迹拍摄图像。在不同姿态下获得的图像如图6和图7所示。ICL-NUIM数据集办公室场景图像。ICL-NUIM数据集客厅场景图像。原创 2023-08-03 14:54:13 · 118 阅读 · 0 评论 -
【定位系列论文阅读】-Indoor Visual Positioning Aided by CNN-Based Image Retrieval: Training-Free(一)
本文提出了一种基于图像检索的定位方法,该方法主要由两部分组成。原创 2023-08-03 12:05:18 · 220 阅读 · 0 评论 -
【定位系列论文阅读】-Can WiFi Estimate Person Pose?
提出WiSPPN方法,使得wifi也能达到相机的效果原创 2023-07-27 20:39:23 · 284 阅读 · 1 评论 -
【从零开始DIY】-Fusion360建模基础
基础3d建模教程原创 2023-07-26 23:54:54 · 1290 阅读 · 1 评论 -
【定位系列论文阅读】-Multi-Head Attention Neural Network for Smartphone Invariant Indoor Localization
针对传统的室内定位解决方案可能无法应对设备引起的变化,会降低其定位精度的问题。本文提出了ANVIL框架,与以前的框架相比,性能提高了35%。原创 2023-07-25 16:37:19 · 344 阅读 · 0 评论 -
【室内定位】怎样实现室内定位导航?
介绍室内导航的简要实现原创 2023-07-24 11:02:28 · 651 阅读 · 0 评论 -
【特征提取与匹配】梯度信息提取
一些算子和霍夫检测,Canny边缘检测原创 2023-05-15 16:23:11 · 309 阅读 · 0 评论 -
【小技巧】如何设置右键快捷打开应用
右键快捷打开原创 2023-05-14 14:47:12 · 369 阅读 · 0 评论