跳到正文
10月6日周二
  1. arXiv · 机器人与计算机视觉82

    F$^2$ SLAM:将前馈几何转化为持久因子的 SLAM 方法

    论文提出 F$^2$SLAM,通过将前馈 3D 模型直接转化为优化原生目标权重测量并附加到持久稠密因子图,解决了现有方法仅事后对齐导致多视图证据未进入优化器的问题。

    推荐理由:该方法将前馈几何直接转化为优化原生因子,在 Replica 数据集上将未标定状态下的平均 ATE RMSE 从 0.030 m 降至 0.002 m。

  2. arXiv · 机器人与计算机视觉58

    FreeLoc:基于扩散辅助的在线平面图定位

    FreeLoc 是一种在线 RGB 基室内定位框架,将平面图作为可直接查询的几何地图。该方法引入高效的在线几何查询和扩散辅助细化方案,通过实时射线查询获取可行位姿锚点并修正为连续估计;针对序列定位,构建了在线似然构建策略以连接单帧与概率时序融合,实现无需离线数据库的直方图滤波融合。实验显示其实时推理性能及单帧、序列定位均达到最先进水平,真实世界结果验证了室内机器人场景的可部署性。

  3. arXiv · 机器人与计算机视觉78

    Lollypop:基于参考目标的相机至动作捕捉标定验证方法

    论文提出了 Lollypop 参考目标,通过耦合 ArUco 标识符与动作捕捉标记星座,使视觉中心与追踪质心代表同一物理点,从而独立验证相机与动作捕捉系统的标定一致性。实验表明该方法具备亚像素级名义误差,并对受控的外部扰动敏感,能在混合操作序列中监测误差增长。该工作已接受发表于 IEEE SENSORS 2026,原文为预印本版本。

    推荐理由:提出 Lollypop 参考目标用于独立验证相机与动作捕捉系统的标定漂移,实验展示了亚像素级误差及对外部扰动的敏感性。

  4. arXiv · 机器人与计算机视觉5

    NM-LIO:解决多激光雷达测量噪声差异的里程计方法

    NM-LIO 提出一种融合噪声模型与残差不确定性估计的多激光雷达惯性里程计方案,以解决不同传感器间的测量噪声差异问题。该方法在公开数据集上评估显示,通过量化各雷达噪声并适配测量模型,能在多种环境中准确估算里程计结果。论文已发表于 RiTA 2024,arXiv 版本为 v1,包含 10 页正文、3 张图及 1 个表格。

10月5日周一
9月4日周五
6月22日周一
9月8日周一
  1. Luxonis DepthAI · Releases72

    Luxonis DepthAI v3.0.0 正式发布:API 简化与 VSLAM/RGBD 新节点上线

    DepthAI v3.0.0 正式从候选版发布,核心 API 已简化统一,移除废弃函数。Camera 节点整合了多平台支持,ImageManip 增加确定性操作追踪。

    推荐理由:DepthAI v3.0.0 正式发布,统一了 API 并新增 RGBD、VSLAM 及动态校准节点,支持 RVC4 设备与主机自定义逻辑。

8月17日周一