MKT-porter - 博客园

2025年11月25日

摘要： 1. 算法背景多目标跟踪问题的核心是对视频帧中的目标进行准确检测，并在连续帧中维持目标身份的一致性。传统方法可能在快速移动的目标、遮挡以及检测精度不高时表现较差。BOT-SORT 的设计着重于以下两个关键点：目标检测的可靠性：基于高性能目标检测模型（如 YOLO 系列或 Faster R-CNN）阅读全文

posted @ 2025-11-25 23:14 MKT-porter 阅读(138) 评论(0) 推荐(0)

2025年11月21日

sam3 （2）开发

摘要：下部计划 1-2相邻帧添加iou目标跟踪 1-2 根据语义编码相似度——IOU重合度联合匈牙利匹配。但是考虑到都是房子，无所谓寓意相似度。 2 单个目标个周围目标的联合信息 3 mask形状匹配尺度大小方向对齐类似于dow2聚类加速匹配 4 信息赋予3D地图点根据当前位置，使用地图点投影阅读全文

posted @ 2025-11-21 23:38 MKT-porter 阅读(62) 评论(0) 推荐(0)

2025年11月20日

sam3 （1）安装

摘要： 1需要申请身份模型下载 https://huggingface.co/facebook/sam3 网站申请大概几十分钟就同意了成功后给你个跳转链接 https://huggingface.co/collections/facebook/sam3 下载facebook/sam3 未来代码加载本阅读全文

posted @ 2025-11-20 17:25 MKT-porter 阅读(478) 评论(3) 推荐(0)

2025年11月17日

Hier-SLAM++ (3) dust3r 单目深度预测和位姿估计

摘要： https://github.com/naver/dust3r 阅读全文

posted @ 2025-11-17 20:49 MKT-porter 阅读(5) 评论(0) 推荐(0)

Hier-SLAM++ (2) MeshGPT：仅使用解码器Transformer生成三角形网格

摘要： MeshGPT: Generating Triangle Meshes with Decoder-Only Transformers https://github.com/audi/MeshGPT MeshGPT通过对经过训练的Transformer模型进行自回归采样来创建三角形网格。该Transf 阅读全文

posted @ 2025-11-17 20:46 MKT-porter 阅读(9) 评论(0) 推荐(0)

[论文评述] Hier-SLAM++: Neuro-Symbolic Semantic SLAM with a Hierarchically Categorical Gaussian Splatting

摘要： https://www.themoonlight.io/zh/review/hier-slam-neuro-symbolic-semantic-slam-with-a-hierarchically-categorical-gaussian-splatting 1. 分层分类表示Hier-SLAM++ 阅读全文

posted @ 2025-11-17 20:45 MKT-porter 阅读(25) 评论(0) 推荐(0)

GS4：首个泛化高斯溅射语义SLAM框架，十倍效率三维建图

摘要：阅读全文

posted @ 2025-11-17 20:36 MKT-porter 阅读(8) 评论(0) 推荐(0)

3D Dynamic Scene Graph

摘要：阅读全文

posted @ 2025-11-17 20:32 MKT-porter 阅读(7) 评论(0) 推荐(0)

pyslam(3) 开发语义建图

摘要： https://github.com/luigifreda/pyslam?tab=readme-ov-file https://github.com/luigifreda/pyslam/blob/master/docs/semantics.md 快速测试运行main_slam.py示例，在默认的阅读全文

posted @ 2025-11-17 02:36 MKT-porter 阅读(10) 评论(0) 推荐(0)

2025年11月15日

byd秘钥

摘要： https://rcorex.github.io/nuttyb-config/ 阅读全文

posted @ 2025-11-15 22:41 MKT-porter 阅读(5) 评论(0) 推荐(0)

2025年11月12日

基于参考图像的移动相机地理空间轨迹估计方法

摘要：实际应用中的优化在实际实现中，还会采用以下策略提高精度：多组三元组并行计算，结果融合 RANSAC剔除异常匹配序列帧间的运动平滑约束基于参考图像的移动相机地理空间轨迹估计方法摘要本文提出了一种新颖的方法，用于估计移动相机的地理空间轨迹。该方法利用一组已知GPS位置的参考图像，通过几何约束阅读全文

posted @ 2025-11-12 11:59 MKT-porter 阅读(13) 评论(0) 推荐(0)

图像地理定位研究进展

摘要： https://www.dqxxkx.cn/CN/10.12082/dqxxkx.2023.230073 Zhang和kosecka[15]首先提取图像的SIFT特征建立图像特征数据库，暴力全局检索数据库图像，利用随机采样一致性（RANdom SAmple Consensus, RANSAC）算法对阅读全文

posted @ 2025-11-12 11:17 MKT-porter 阅读(41) 评论(0) 推荐(0)

2025年11月7日

pyslam(2) 全流程开发

摘要： main_slam.py它增加了沿多帧的特征跟踪、点三角测量、关键帧管理、光束法平差、回环检测、密集地图构建和深度推断等功能，以估计相机轨迹并构建稀疏地图和密集地图。这是一个完整的SLAM流程，包含了开发实际视觉SLAM流程所需的所有基础和高级模块。 1 配置参数 config.yaml 文件是配置阅读全文

posted @ 2025-11-07 10:36 MKT-porter 阅读(18) 评论(0) 推荐(0)

pyslam(1) 环境配置

摘要：官方论文《pySLAM：一个开源、模块化且可扩展的SLAM框架》，作者： Luigi Freda “pySLAM 和 slamplay：用于快速原型设计和集成的模块化、可扩展的 SLAM 工具”， Luigi Freda ， RSS 2025 工作坊：统一视觉 SLAM “语义 pySLAM：在同阅读全文

posted @ 2025-11-07 04:56 MKT-porter 阅读(46) 评论(0) 推荐(0)

2025年11月6日

pyslam

摘要： 1 创建环境 pyslam REM 保存当前目录 set STARTING_DIR=%cd% set ROOT_DIR=.. cd %ROOT_DIR% REM 检查 conda conda --version if errorlevel 1 ( echo 错误：请先安装 conda pause e 阅读全文

posted @ 2025-11-06 04:35 MKT-porter 阅读(30) 评论(0) 推荐(0)

2025年11月3日

单目三角化原理

摘要：为什么cv用归一化坐标为什么V T 的最后一列就是解？第一和第二帧产生地图点后，如果进来第三帧，如何定位第三帧，并将其建立的新地图点和现有地图点合并一个坐标系。考虑到第三帧和第二帧的相对位姿尺度未必与第一帧和第二帧一致。参考orb slam2解决这是一个非常核心的细节！这个过程被称为 “地图点阅读全文

posted @ 2025-11-03 18:48 MKT-porter 阅读(14) 评论(0) 推荐(0)

点特征

摘要：核心差异与总结维度与信息层次的不同： ORB和BSC是局部描述符：它们只描述一个点周围的非常局部的信息（纹理或几何）。它们不知道这个点属于“椅子”还是“桌子”。 KPConv特征是点特征：它是在整个点云的上下文中学习得到的。一个点的特征向量，其感受野可能覆盖了整个物体甚至场景的一部分，因此它既阅读全文

posted @ 2025-11-03 02:47 MKT-porter 阅读(15) 评论(0) 推荐(0)

正弦化作用

摘要：是谁最新想到这个正弦化处理，怎么想到的？这是一个非常深刻的问题，触及了深度学习领域一个精彩的创新故事。这个想法的出现不是一蹴而就的，而是一个演进的过程。简单来说，最先将正弦函数用于编码连续信息（位置）并引爆整个领域的，是2017年Google的论文《Attention is All You Nee 阅读全文

posted @ 2025-11-03 02:14 MKT-porter 阅读(15) 评论(0) 推荐(0)

2025年10月29日

三元组

摘要： [62] B. Jiang, Y. Zhu, and M. Liu, “A triangle feature based map-tomap matching and loop closure for 2d graph slam,” in Proc. of the International Con 阅读全文

posted @ 2025-10-29 23:15 MKT-porter 阅读(32) 评论(0) 推荐(0)

3D场景图-3D场景图匹配 SG-PGM: Partial Graph Matching Network with Semantic Geometric Fusion for 3D Scene Graph Alignment and Its Downstream Tasks

摘要：非常好的追问！这两个问题直击SG-PGM方法的核心细节。我们来深入探讨一下。一、 SG-PGM 与 SGAligner 的关系这是一个关键问题，因为它们都是处理3D场景图对齐的重要工作。它们的关系是继承、发展、与侧重不同。 SGAligner 是开创者： SGAligner 是较阅读全文

posted @ 2025-10-29 06:30 MKT-porter 阅读(56) 评论(0) 推荐(0)