Line-Transformers线段描述子(碾压LBD),点 线配合进行视觉定位

干货第一时间送达

作者丨Realcat
来源丨计算机视觉SLAM

今天给大家带来三篇关于视觉定位方向文章,速览一下,感兴趣的同学可阅读论文原文,希望能够给大家带来帮助(国庆长假结束,赶紧看看paper压下躁动的内心...)

1. PL-Loc: 用于视觉定位的上下文感知的线段描述子(碾压LBD),点+线配合进行视觉定位

摘要:除了特征点之外,线特征也为解决机器人和计算机视觉(CV)中的视觉几何问题提供了额外的约束。尽管最近的一些研究使用基于卷积神经网络的线特征描述子,这些算法能够应对一定程度的视点变化或动态环境,但我们认为CNN架构在将可变线条长度抽象为固定维度的描述符方面有先天的缺点。在本文中,我们引入了处理可变线段的Line-Transformers。受自然语言处理(NLP)任务的启发,我们将线段视为一个包含点(词)的句子。通过动态地关注线段上的可描述的点,所提出的描述子在可变长度的线段上表现得非常好。我们还提出了将线的几何属性与邻域共享的线签名网络(line signature networks)。作为群体描述子,这些网络通过理解线条的相对几何形状来增强线条描述子。实验表明,配合使用本文提出的线特征,可以改善带有特征点(点稀疏时有效)的视觉定位任务。

  • 论文:https://arxiv.org/abs/2109.04753[1]

点和线是互补的,它们可以更好地进行定位,特别是当关键点有偏差或数量少的时候
注意力分数的可视化。(a) 线条中的注意力模式描述了点的嵌入对构建线条描述符的贡献程度。匹配的线条遵循类似的注意力模式。(b) 线条描述符之间的注意分数最初较低且分布广泛,在以后的层中,它们会逐渐收敛到少量的邻域线段
首页

2. 特征点分布不规则?可以试试“高效自适应非极大值抑制算法ANMS”

摘要:特征点检测算法通常会得到大量的关键点,这些关键点大多是聚集的、冗余的以及嘈杂的。这些关键点通常需要特殊处理,如自适应非最大限度抑制(ANMS),以保留最相关的关键点。本文提出了三种新的高效的ANMS方法,确保快速和均匀地重新划分图像中的关键点。为此,为了抑制不相关的点,提出了一个搜索范围的正方形近似算法,从而降低ANMS的计算复杂性。为了进一步提高算法的收敛速度,本文还引入了一种新的策略,根据图像尺寸初始化搜索范围。本算法可有效提高位姿结算的精度,对于SLAM,SFM图像拼接等任务都有帮助。

  • 论文:

(PDF) Efficient adaptive non-maximal suppression algorithms for homogeneous spatial keypoint distribution[2]

  • 代码:

GitHub - BAILOOL/ANMS-Codes[3]

首页

3. HarrisZ:一种用于下一代图像匹配的Harris角点提取算法

摘要:本文介绍了一种角点检测算法 HarrisZ,这是HarrisZ角点检测器的升级版。HarrisZ不仅包括对设置参数的调整,还引入了对 HarrisZ 划定的选择标准的进一步细化,从而可以得到更多的、更加具有鉴别性的关键点,这些关键点在图像上的分布更好,定位精度更高。在最近的图像匹配挑战赛中,HarrisZ拥有较好的图像匹配结果(略落后于深深度学习方法得到的匹配结果)。
  • 论文:https://arxiv.org/abs/2109.12925[4]
细节微调,增量改进
图像匹配挑战赛结果展示
首页
参考资料
[1]

Line as a Visual Sentence: Context-aware Line Descriptor for Visual Localization: https://arxiv.org/abs/2109.04753

[2]

Efficient adaptive non-maximal suppression algorithms for homogeneous spatial keypoint distribution: https://www.researchgate.net/publication/323388062_Efficient_adaptive_non-maximal_suppression_algorithms_for_homogeneous_spatial_keypoint_distribution

[3]

GitHub - BAILOOL/ANMS-Codes: Efficient adaptive non-maximal suppression algorithms for homogeneous spatial keypoint distribution: https://github.com/BAILOOL/ANMS-Codes

[4]

HarrisZ+: Harris Corner Selection for Next-Gen Image Matching Pipelines: https://arxiv.org/abs/2109.12925

本文仅做学术分享,如有侵权,请联系删文。
(0)

相关推荐

  • 点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法

    标题:LOL: Lidar-only Odometry and Localization in 3D point cloud maps 作者:David Rozenberszki and Andr ´ ...

  • 【泡泡一分钟】基于视觉车道标志和拓扑地图匹配的车辆定位

    每天一分钟,带你读遍机器人顶级会议文章 标题:Vehicle Localization Based on Visual Lane Marking and Topological Map Matchin ...

  • 自动驾驶岗位入门技术及前景

    来源 / 智车科技 现如今,自动驾驶已经成为了社会中的热门话题,随着小米的入局,越来越多的大厂意识到了自动驾驶技术未来的广阔前景,都纷纷进入行业中来.行业越做越大当然是好事,意味着就业的机会与可能也越 ...

  • 基于简化点云地图的语义边缘对齐的单目定位方法

    标题:Compact 3D Map-Based Monocular Localization Using Semantic  Edge Alignment 作者:Kejie Qiu, Shenzhou ...

  • VIO:相机 IMU的融合定位框架

    SLAM虽然解决了让移动机器人知道"我在哪里"的问题,但单目视觉 SLAM 算法存在一些自身框架无法克服的缺陷,比如尺度.累积误差等问题. 而IMU弥补了视觉SLAM的不足,融合I ...

  • 基于点云描述子的立体视觉里程计快速鲁棒的位置识别方法

    文章:A Fast and Robust Place Recognition Approach for Stereo Visual Odometry Using LiDAR Descriptors 作 ...

  • PCL中SHOT1344描述子

    点云公众号开启了第二期的学习模式,由博主统筹任务,群成员自由选择选择的研究任务.半个月甚至一个月参与学习小伙伴的反馈给群主,并在微信交流群中进行学术交流,加强大家的阅读文献能力,并提高公众号的分享效果 ...

  • PCL中3D特征描述子Shot详解

    上周点云公众号开始分享群友们的反馈分享,由博主分配任务,半个月甚至一个月参与学习小伙伴的反馈给群主,并在微信交流群中进行学术交流,加强大家的阅读文献能力,并提高公众号的分享效果.已经有一些开始陆续反馈 ...

  • 子母角分线倒数模型

    (本文发布于几何数学公众号) 教师训练营-解题游刃有余 (系统视频课) (点此查看) 感谢支持: 分享.转发.右下角点"在看赞" "知识"这个东西非常的神奇,你 ...

  • 楼层五行生肖配、住宅楼十六个不买、五子运与楼层的配合

    一.正对大街胡同.道路的不要买(正冲为箭,主伤人).xgK成都公墓-大朗陵园-味江陵园-真武山公墓价格-墓地排行-恩亲网 二.高方不远处有高大建筑物的不要买(阻挡阳气,阴胜阳衰).xgK成都公墓-大朗 ...

  • 子母变盘线

    此线型出现在下跌或回调途中,也会出现在上涨途中.出现在下跌途中尽量选择波段下跌末期,子母线的子线量线,K线小,母线量大或K线大,母线怀抱子线,子线在前,母线在后,形成反包含关系,代表空头无力,多头反攻 ...

  • 简要描述勒子石

    勒子石是一种浅黄色蛋白石质宝石,也有灰褐色的,半透明,在正中有亮带闪光,略似猫眼的"活光",但没有猫眼的"活光"灵活.美丽,故把它称之为"勒光&quo ...

  • 郭京飞碾压董子健,没有激情戏的《21克拉》靠什么赢得观众?

    4月20日周五<21克拉>.<脱单告急>齐上映正面死磕.截止到4月22日周日晚,上映三天,胜负已分.21克拉通过近20%的排片砍下2000万票房,几乎是<脱单告急> ...

  • 《绝代双骄》梁洁邵芸张璇赵樱子最美?魅力碾压梁婧娴

    2020年武侠大剧<绝代双骄>中,除了有陈哲远.胡一天等帅哥,还汇集了梁婧娴.梁洁.邵芸.毛林林.孟丽.赵樱子等美女明星,下面就来看看哪个女星最有魅力? 女主角铁心兰可是明艳高洁的牡丹美人 ...