tyyhmtyyhm-优快云博客

原创论文| Visual place recognition: A survey from deep learning perspective

2021-Visual place recognition: A survey from deep learning perspective

2024-05-07 09:23:48 419

原创论文| What makes visual place recognition easy or hard?

论文| What makes visual place recognition easy or hard?

2024-05-06 12:17:49 398

原创论文| Where Is Your Place, Visual Place Recognition？

论文| Where Is Your Place, Visual Place Recognition？

2024-05-05 18:10:55 419

原创论文| Visual Place Recognition: A Tutorial

本文是有关 VPR 的第一篇教程文章（提供每个功能模块的开源代码）。涵盖了 VPR 问题的表述、通用算法pipeline、评估方法、主要挑战及其解决方法等主题。

2024-04-24 10:51:54 636

原创 BEV| lift-splat-shoot 运行配置

Philion J, Fidler S. Lift, splat, shoot: Encoding images from arbitrary camera rigs by implicitly unprojecting to 3d[C]//Computer Vision–ECCV 2020: 16th European Conference, Glasgow, UK, August 23–28, 2020, Proceedings, Part XIV 16. Springer International

2024-04-18 15:36:48 408

原创数据集| NCLT-North Campus Long-Term Vision and LiDAR

NCLT是一个在密歇根大学北校区收集的大规模数据集，用于研究机器人在挑战环境下的长期自主操作能力（longterm autonomous operation in changing environments）。数据集包含全向相机图像、3D激光雷达、2D激光雷达、GPS和用于计算里程计的车轮编码器数据，所用到的传感器部署在Segway机器人本体上。

2024-04-11 09:22:58 757

原创论文| An Appearance and Viewpoint Invariant Visual Place Recognition for Seasonal Changes-2020

总结了在高度变化的环境中使用手工特征进行视觉地点识别的现有工作；

2024-04-09 09:30:20 384

原创论文| Only Look Once, Mining Distinctive Landmarks from ConvNet for Visual Place Recognition-2017

最高层特征划定区域，倒数第二层特征进行特征编码。即图像输入到CNN网络，在CNN网络较高层级（最后一层）的卷积层激活中提取显著区域，然后在每个显著区域上使用倒数第二层级的卷积层激活提取CNN特征。该方法不依赖外部地标提议技术，而是从CNN的激活中直接挖掘独特的模式来识别显著区域。

2024-04-09 09:29:24 670

原创论文| Appearance-invariant place recognition by discriminatively training a convolutional... - 2017

论文针对地点识别问题训练了一个 CNN网络，而不是使用预训练的网络。本文使用了基于三元组的学习方案来训练CNN，从数据集中选择三组图像，其中两幅图像来自同一位置，但在外观上或视点上表现差异，第三幅图像来自不同位置。网络将图像映射到128 维的低维空间，其中小欧氏距离代表位置相似性，在实际空间中距离比较近的图像，在低维空间中也是临近的点。

2024-04-08 11:35:59 298

原创论文| Fusion and Binarization of CNN Features for Robust Topological Localization across Seasons-2016

本文在视觉定位中使用预训练的 CNN 特征进行地点识别。为每一层随机选择一定比例的特征，以尽可能保留不同粒度的卷积特征融合所提供的多分辨率。然后将每个卷积层获得的特征进行融合，产生图像特征；最后将产生的图像特征进行二值化，使用 Hamming Distance 计算图像相似度。

2024-04-08 11:34:29 199

原创论文| Place Recognition with ConvNet Landmarks: Viewpoint-Robust, Condition-Robust, Training-Free-2015

本文提出了一种对视角变化和条件变化鲁棒且无需针对特定环境训练的地点识别方法。首先使用目标提议方法（object proposal method）识别图像中潜在地标（potential landmarks）【解决无需训练要求】，然后使用预训练CNN网络对每个地标提议（landmark proposals）提取通用特征【解决外观和视角鲁棒要求】。使用高斯随机映射将高维特征映射到低维空间，然后进行匹配，以获得查询图像的最佳匹配。

2024-04-07 16:45:47 594