2021年6月28日
摘要: Abstract 提出一个轻量级定位方案, 基于便宜的相机和紧致的语义地图: lane line crosswalk ground sign stop line 语义地图的平均大小是: 36kb/km. 1. Introduction 量产车: production car 点云地图占太多memor 阅读全文
posted @ 2021-06-28 19:40 四积阴功五读书 阅读(495) 评论(1) 推荐(0) 编辑
  2021年6月8日
摘要: Abstract 在图像中简历稠密匹配是很重要的任务, 包括 几何匹配,光流,语义匹配。 但是这些应用有很大的挑战: 大的平移, 像素精度, 外观变化; 当前是用特定的网络架构来解决一个单一问题。 我们提出了一个 universal 网络框架,我们获得了高精度和鲁棒性,对于大的平移,通过全局和局部相 阅读全文
posted @ 2021-06-08 11:07 四积阴功五读书 阅读(813) 评论(0) 推荐(0) 编辑
  2021年5月19日
摘要: Abstract 语义SLAM框架来利用hybrid edge信息在拼接图上. 为了从拼接图上提取edge 和 free-space 轮廓, 设计了不同的分割方法来移除充满噪声的 glare edge 强光边缘 和 扭曲的物体边缘(有IPM造成的). 因为只有 freespace 分割需要训练, 我 阅读全文
posted @ 2021-05-19 19:49 四积阴功五读书 阅读(579) 评论(0) 推荐(0) 编辑
  2021年3月8日
摘要: Abstract calibnet估计了3D LiDAR和相机的外参。我们没有引入直接的监督,我们训练网络来最大化几何和光度的一致性。 1. Introduction 我们的训练方法通过直接减少稠密的光度误差和稠密点云距离误差测量,来回归正确的外参标定参数。 calibnet是第一个几何监督的深度学 阅读全文
posted @ 2021-03-08 00:17 四积阴功五读书 阅读(801) 评论(0) 推荐(0) 编辑
  2021年1月6日
摘要: Abstract 在这个文章里, 我们细致的比较了10种不同的3D LiDAR传感器, 用了一般的 Normal Distributions Transform (NDT) 算法. 我们按以下几个任务来分析表现和特性: 按照 mean map entropy 来衡量地图质量 6DOF 定位 1. I 阅读全文
posted @ 2021-01-06 20:09 四积阴功五读书 阅读(236) 评论(0) 推荐(0) 编辑
  2020年12月28日
摘要: Abstract 紧耦合lidar inertial里程计, 用smoothing和mapping. 1. Introduction 紧耦合lidar-inertial里程计. 紧耦合的lidar inertial里程计框架 2. Related work 一般都是用ICP或者是GICP. 在LOA 阅读全文
posted @ 2020-12-28 20:39 四积阴功五读书 阅读(945) 评论(0) 推荐(0) 编辑
  2020年12月24日
摘要: Abstract 一个高效的LiDAR-inertial 里程计框架. 我们融合了LiDAR特征点和IMU数据, 用紧耦合的迭代EKF. 为了降低大量观测数量导致的计算负载, 我们用了一种新的方法来计算 Kalman gain. 新的方法的计算量是基于状态量维度而不是测量维度. 我们提出的方法在很多 阅读全文
posted @ 2020-12-24 11:51 四积阴功五读书 阅读(2647) 评论(0) 推荐(0) 编辑
  2020年10月15日
摘要: Abstract 我们设计了一个 hybrid 估计器, 组合了两种算法, sliding-window EKF 和 EKF-SLAM. 我们的结果表示, hybrid算法比单一的好. 1. Introduction EKF-SLAM和sliding-window EKF对相同的测量信息以不同的处理 阅读全文
posted @ 2020-10-15 13:26 四积阴功五读书 阅读(224) 评论(0) 推荐(0) 编辑
  2020年9月21日
摘要: Abstract 我们展示说我们的Stereo MSCKF在算力上跟state-of-the-art的单目方案是可比的, 而且提供了很大的鲁棒性. 1. Introduction 贡献 第一个开源的filter-based 立体相机VIO, 可以在板跑是 提供详实的实验数据, 跟OKVIS, ROV 阅读全文
posted @ 2020-09-21 11:13 四积阴功五读书 阅读(227) 评论(0) 推荐(0) 编辑
  2020年9月15日
摘要: Abstract 提出一种融合GPS和视觉, 惯性测量在一个非线性优化的估计器. 系统状态的一个滑窗的最近状态会被估计, 通过最小化重投影误差, 相对惯性误差和全局位置误差. 我们用IMU预积分来形成惯性误差. 我们的方法持续的比松耦合的融合方法好. 相对位置误差少50%. 1. Introduct 阅读全文
posted @ 2020-09-15 17:00 四积阴功五读书 阅读(378) 评论(0) 推荐(0) 编辑