实体
CV-RHO
CV-RHO
PulseAugur coverage of CV-RHO — every cluster mentioning CV-RHO across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
SeqLoc 改进特征稀疏场景下的地理定位
研究人员推出 SeqLoc，一种旨在改进特征稀疏环境下的跨视图地理定位的新型机制。该方法解决了单帧定位技术的局限性，这些技术在缺乏明显地标的区域表现不佳。SeqLoc 采用顺序聚合方法，包含三个核心组件：熵调不确定性 (ETU) 来调节姿态似然度，地图引导重定位 (MGR) 来辅助抑制的真实姿态恢复，以及峰值锚定平滑 (PAS) 来精确确定最终姿态。在新基准上的实验表明，SeqLoc 在位置和方向召回率方面均有显著提高。
-
新的RHO模型利用OSM数据和全景图像增强地理定位
研究人员推出了一种新颖的度量交叉视图地理定位模型RHO，该模型利用OpenStreetMap数据和全景图像。为支持这项工作，他们还建立了CV-RHO数据集，这是一个包含在各种环境条件下拍摄的超过270万张图像的大规模基准。RHO模型包含一个Split-Undistort-Merge模块来处理全景失真，以及一个Position-Orientation Fusion机制来提高定位精度，与现有方法相比，性能提高了高达20%。