Oxford RobotCar
PulseAugur coverage of Oxford RobotCar — every cluster mentioning Oxford RobotCar across labs, papers, and developer communities, ranked by signal.
-
新方法优化视觉定位系统的地图密度
研究人员开发了一种新颖的方法，可自动选择视觉定位（VPR）系统中地图数据库的最佳密度。该方法旨在确保VPR系统在各种环境片段中满足用户指定的性能要求，而不仅仅是平均水平。通过使用两条参考遍历，系统可以估计达到目标局部召回率@1（Local Recall@1）水平和期望的召回率达成率（RAR）所需的地图密度。在Nordland和Oxford RobotCar基准测试上的实验表明，该系统在满足这些目标和避免不必要的密集地图方面是有效的，并…
-
GLAM-SLAM: 实时高斯SLAM用于大规模场景
研究人员开发了GLAM-SLAM，一种使用高斯泼溅（Gaussian splatting）进行大规模单目同步定位与建图（SLAM）的新型实时系统。该系统通过采用解耦方法，结合用于跟踪的基于特征的SLAM前端和用于建图的结构化锚点网格，解决了现有方法的局限性，从而实现了长序列的可扩展性和场景连贯性。GLAM-SLAM引入了基于几何的流致密化策略进行密集初始化，以及一种带有MLP初始化的场景划分方法进行局部高斯生成，在具有挑战性的数据集上…
-
卫星图像解决了3D重建模型中的尺度模糊问题
研究人员开发了一种新方法，通过利用卫星图像作为全局度量参考来解决前馈3D重建模型中的尺度模糊问题。该方法将卫星图像块与重建骨干网络集成，强制执行一致性以推断绝对尺度、精炼几何形状并在度量坐标系中估计相机姿态。该框架在多个数据集上展示了度量深度估计、点云重建和相机本地化方面的改进。
-
新的VPR研究表明灰度图足够，并提出新的融合方法
两篇新研究论文探讨了视觉定位（VPR）技术的进展，VPR是机器人定位和SLAM的关键技术。第一篇论文《One Channel to Rule Them All》提出，灰度图像足以满足VPR的需求，甚至在严重的外观变化下表现优于RGB，在存储和带宽方面具有实际优势。第二篇论文《DisPlace》引入了一个新颖的框架，该框架融合了多个参考描述符，以创建更具判别性和紧凑的位置表示，在各种挑战性条件下均优于现有的多参考基线。