Aruco
PulseAugur coverage of Aruco — every cluster mentioning Aruco across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
BlobBoards 提供卓越的姿态估计精度和鲁棒性
研究人员开发了 BlobBoards，这是一种新颖的标点标记系统，旨在实现高精度的姿态估计。该系统利用密集的多尺度高斯斑点场和基于特征的管道进行检测、识别和姿态计算。与 AprilTag 和 ArUco 等现有系统相比，BlobBoards 表现出显著的改进，在平移误差、大旋转失败次数和检测率方面均有大幅降低，尤其是在遮挡和使用较小标记的情况下。
-
UltraArUco库为移动设备提供低延迟AR跟踪
一个名为UltraArUco的新库已被开发出来，用于移动增强现实应用中的低延迟、实时基于标记的跟踪。该框架由Miguel Altamirano Cabrera创建，与标准的OpenCV实现相比，每帧延迟降低了五倍，同时保持了准确性。其分布式Wi-Fi架构允许移动设备与PC连接以进行视觉应用，使其适用于资源受限的环境。
-
新型递归ArUco标记提升无人机着陆精度
研究人员开发了一种新的递归ArUco标记设计，以提高无人机（UAV）着陆的可靠性。这种新颖的方法将完整的标记嵌入到父标记的黑色和白色位中，允许任意递归深度，即使在部分遮挡的情况下也能实现鲁棒检测。与之前的分形标记和Harco标记不同，该设计在所有递归尺度上都保持了单一的唯一标识符，从而能够为同时进行机队操作的无人机提供大量唯一的起降场标识。
-
新的风格迁移方法改进了卫星Sim2Real数据
研究人员开发了一种新颖的风格迁移框架，以改进卫星视觉传感的Sim2Real数据构建。该方法通过将真实图像的外观迁移到合成图像并保留标注，解决了获取大规模、准确标注的真实世界卫星图像的挑战。该技术使用组件感知、掩码对齐调制将真实域风格代码注入合成卫星区域，从而增强了姿态估计等下游任务。
-
研究人员开发用于VR中三维对象跟踪的端到端系统
研究人员为虚拟现实应用中的实时三维对象跟踪开发了一个端到端系统。该系统旨在实现即插即用功能，避免了复杂的跟踪设备或手动实现。它利用了包括AruCo、AprilTag以及一种新颖的彩色控制点系统在内的标识符标记，以实现快速高效的对象指定和数据流，用于沉浸式培训环境。