2020年5月12日
摘要: Abstract 提出计算焦距的方法. 通过数学推导, 我们体现说在每个方向上的焦距可以用一点匹配(一个图和一个退化的旋转的图)来估计. 通过建立两张图(有一点点的 panning 和 tilting ), 我们的SAC可以计算相机的焦距. 1. Introduction 传统的标定需要, 例如格子 阅读全文
posted @ 2020-05-12 13:13 四积阴功五读书 阅读(195) 评论(0) 推荐(0) 编辑
  2020年4月7日
摘要: Abstract 我们提出了一种轻量的, ground optimized的lidar里程计和建图方案. 是ground optimized, it leverages the presence of a ground plane in its segmentation and optimizati 阅读全文
posted @ 2020-04-07 12:46 四积阴功五读书 阅读(590) 评论(0) 推荐(0) 编辑
  2020年3月30日
摘要: Abstract 我们说一个LiDar和stereo cameras没有共视区域的外参标定. 为了解决外参标定问题,我们的方案利用了road markings作为嘈杂的urban环境下静态,鲁邦的特征. 这个方案使用了road markings来选择有信息量的图像来估计外参. 为了完成稳定优化, 很 阅读全文
posted @ 2020-03-30 22:33 四积阴功五读书 阅读(247) 评论(0) 推荐(0) 编辑
摘要: Abstract 在3D点云中定位因为 从3D数据中提取信息的复杂度 的原因是非常挑战的。我们提出了一个增量的方法来高效的解决这个问题。 首先会在动态的voxel积累观测,然后有选择性的更新点的normal。 一个incremental segmentation algorithm 我们展现说这个增 阅读全文
posted @ 2020-03-30 01:02 四积阴功五读书 阅读(441) 评论(0) 推荐(0) 编辑
  2020年3月9日
摘要: Abstract 实用的视觉定位方案能够对于大量的视觉条件鲁邦, 比如day night changes, 包括weather and sesonal variations. 基于我们的结果, 我们认为long term定位还远远不能说解决了, 我们也提出了一些很有希望的avenues(林荫大道). 阅读全文
posted @ 2020-03-09 18:40 四积阴功五读书 阅读(575) 评论(0) 推荐(0) 编辑
  2020年2月24日
摘要: Abstract Input: A query image Source: A point cloud reconstruction of a large scene (有一百多万3D点) Result:pose 关键:an efficient and effective search method 阅读全文
posted @ 2020-02-24 19:38 四积阴功五读书 阅读(354) 评论(0) 推荐(0) 编辑
  2020年1月2日
摘要: LR: Direct Sparse Mapping Abstract Photometric bundle adjustment (PBA). 目前的PBA没法处理 reobservation . 我们提出DSM(direct sparse mapping). 1. Introduction 边缘化 阅读全文
posted @ 2020-01-02 20:40 四积阴功五读书 阅读(732) 评论(0) 推荐(0) 编辑
  2019年12月24日
摘要: Abstract 在urban场景用GPS和鱼眼有multipath effect. 我们提出了一种SLAM Based IM(Integrity Monitoring)算法来计算位置保护等级. 我们用GPS pseudoranges的连续数据, 像素光度, 车辆动态和satellite ephem 阅读全文
posted @ 2019-12-24 15:18 四积阴功五读书 阅读(810) 评论(0) 推荐(0) 编辑
  2019年12月17日
摘要: Abstract AVP服务会缓和电动车现有两个缺点: 有限的行驶范围和很长的充电时间. v charge用相机和超声波在GPS denied的区域全自动形式. 这篇paper叙述了下述几方面的优势: network communication parking space scheduling mu 阅读全文
posted @ 2019-12-17 10:30 四积阴功五读书 阅读(463) 评论(0) 推荐(0) 编辑
  2019年12月2日
摘要: Abstract 在线标定很重要. 但是目前的方法都计算量都很高. 我们的方案不需要标定板之类的东西. 我们的方案不需要假设相机有重合的FOV,也不需要任何的初始猜测. 当相机模组行驶穿过之前建过地图的区域, 我们就用地图和同步的相机图像匹配. 最后我们找到相机位姿和内点2D 3D匹配. 1. In 阅读全文
posted @ 2019-12-02 15:24 四积阴功五读书 阅读(757) 评论(0) 推荐(0) 编辑