实体
PnP-RANSAC
PnP-RANSAC
PulseAugur coverage of PnP-RANSAC — every cluster mentioning PnP-RANSAC 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
-
PnP-Transformer 神经网络为 6D 物体姿态估计提供新方法
研究人员开发了 PnP-Transformer，这是一种用于估计物体 6D 姿态的新型神经网络。该模型通过处理 2D-3D 对应场和置信度分数，为传统的 PnP-RANSAC 算法提供了一种可微分且无需迭代的替代方案。当集成到零样本姿态估计流程中时，PnP-Transformer 在 BOP 基准数据集上取得了 41.2% 的平均召回率 (AR) 分数，优于几种现有方法，但未能达到使用 EPnP-RANSAC 的 Co-op 系统。
-
新方法利用激光雷达上采样简化图像到点云配准
研究人员开发了一种新颖的图像到点云配准（I2P）方法，简化了相机和激光雷达数据的集成。该技术使用条件校正流从稀疏扫描生成密集的激光雷达强度图像，然后将其与相机图像进行匹配。该系统通过PnP-RANSAC估计6-DoF相对姿态，并可以使用最少的激光雷达数据进行微调，适应各种传感器配置。在R3LIVE数据集上的实验表明，平均误差为4.89° / 1.63 m，配准时间约为0.68秒。