Scene Coordinate Regression Forests for Camera Relocalization in RGB-D Images
PulseAugur coverage of Scene Coordinate Regression Forests for Camera Relocalization in RGB-D Images — every cluster mentioning Scene Coordinate Regression Forests for Camera Relocalization in RGB-D Images across labs, papers, and developer communities, ranked by signal.
-
LightLoc++ 框架提供高效、传感器鲁棒的激光雷达定位
研究人员开发了 LightLoc++，一个专为高效、传感器鲁棒的室外激光雷达定位设计的新框架。该新方法通过将定位过程解耦为场景无关的骨干网络和轻量级的场景特定预测头，解决了场景特定训练耗时的问题。为了实现传感器鲁棒性，LightLoc++ 使用了一个名为 SULID 的新数据集，该数据集包含来自 32、64 和 128 束激光雷达的同步数据，能够实现跨传感器的一致性学习。该框架还结合了样本分类指导和冗余样本降采样，以减少歧义和计算开销…
-
LightLoc++框架提供高效、传感器鲁棒的激光雷达定位
研究人员开发了LightLoc++，一个用于室外激光雷达定位的高效框架，解决了传感器特定训练的局限性。该新方法通过在一个多样化的多激光雷达数据集SULID上进行预训练骨干网络来学习传感器鲁棒的表示，该数据集包含各种传感器配置。LightLoc++还采用了样本分类引导和冗余样本降采样等技术，以进一步提高效率并减少大规模室外环境中的歧义。实验表明，与现有方法相比，LightLoc++在新的场景下实现了最先进的定位性能，同时训练成本显著降低。
-
UQ-Loc 方法通过不确定性感知增强激光雷达定位
研究人员开发了 UQ-Loc，一种不确定性感知的激光雷达场景坐标回归新方法。该方法通过预测每个体素的完整协方差矩阵来扩展现有的 LightLoc 架构，从而量化了偶然不确定性。UQ-Loc 在训练中使用了负对数似然损失和基于 kNN 的正则化器，在推理中使用了修改后的 SC2-PCR 求解器。该系统通过预期的校准误差进行评估，证明了其改进的定位精度和良好校准的不确定性预测。