面向纯旋转成像几何的多视图姿态估计:GRAM 与 MORE 方法
该预印本论文提出了 Global Rotations from Aggregated Matches (GRAM) 和 Multi-view Optimization with Rotation-only Reprojection Error (MORE),旨在通过最小化边向旋转代数残差直接估计全局旋转,替代传统的双视图相对位姿优化与旋转平均步骤。
该预印本论文提出了 Global Rotations from Aggregated Matches (GRAM) 和 Multi-view Optimization with Rotation-only Reprojection Error (MORE),旨在通过最小化边向旋转代数残差直接估计全局旋转,替代传统的双视图相对位姿优化与旋转平均步骤。
GeoPilot 工作流将大语言模型诊断、数值工具重建及外部几何评估结合,生成可执行的程序或相机配置干预。在 224 张 Metashape-raster 开发图像上,共享内参假设使六个原生坐标指标全部改善,平均表面到参考距离减少 7.04%;而在独立棋盘格样本上的参考辅助对齐则限制了该增益。
SurgTAP-3D 构建了一个包含 52 万帧、4549 个动作片段及 140 万个二维/三维轨迹点的大规模体内伪三维手术运动追踪数据集。该工作通过接触区域提示等统一框架将未标定单目视频转化为结构化四维标注,涵盖遮挡、烟雾等真实挑战并建立 SurgPose 等基准。
Martine 是一个用于受控 3D 物体表面重建的基准数据集,包含 28 个具有透明材质和精细结构的物体,在单光和多变光条件下从 84 个视角采集了 9568 x 6376 像素的图像。
论文提出 FLAVOR 框架,通过分层时空地图解决无人机在资源受限环境下的全局探索问题。该方法将稠密几何约束于机器人局部地图,仅保留紧凑的全局观测与任务上下文;利用轻量 LiDAR 关键帧可见性记录支持前沿推理,并将未解析的前沿作为待办任务关联里程计锚点。
SegDis 将输出解耦为显式前景概率与条件类型概率,利用 FLR 提供任务无关支持并通过 RTA 依据前景背景关系细化分配。在 USC12K 数据集上,该模型基于 PVT-v2-B2 架构,参数量约为 USCNet 的八分之一,实现了 68.98% 的前景 mIoU 和 78.35% 的整体 mIoU,显著优于 CSCS(提升 5.75)。
针对移动机器人在室内环境中对路径两侧家具和结构的三维感知需求,本文提出一种运动辅助的单雷达双侧近场成像框架。该方法利用球形波前模型关联场景反射率与步进频率多输入多输出观测数据,通过双边发射天线组合实现宽带方向加权,结合滑动孔径反投影进行相干聚焦,并利用 Top-K 功率融合整合不同可见性的局部图像。
Map2SLAM 提出一种架构,将冻结的 LingBot-Map 流式推理结果转化为外部持久化 SLAM 状态的观测输入。前端利用因果流式推理跟踪每一帧并筛选关键帧写入状态,后端异步重访过去帧以进行闭环检测与几何细化。
PointNeXt 模型在约 7.8 万参数下结合局部形状描述符与残差茎叶修正,在 Raspberry Pi 5 上实现了 PlantNet 任务延迟从 330.33ms 降至 96.82ms。
论文介绍 PLS-GS 方法,该方法针对同时拥有相机和高清 LiDAR 数据的机器人及建图应用,构建概率激光雷达骨架以引导高斯泼溅。通过联合拟合位置与颜色的分层高斯混合模型,消除对体素网格或八叉树的离散场景划分需求,并将渲染高斯约束在局部表面框架内。
针对 LiDAR 定位建图系统中因配准误差导致的重复表面和结构变形问题,本文提出一种无需独立参考的在线几何一致性评估方法。该方法构建递归贝叶斯比较框架,利用 Normal-Inverse-Wishart 模型表征历史体素几何及其不确定性,并通过 Normalized Drift Evidence (NDE) 指标在评估后更新历史状态或触发告警。
论文 DAC-MACE 提出了一种针对相机重定位的场景坐标回归方法,通过残差上下文适配器(RCA)和全局上下文编码器(GCE)增强特征表达并优化混合专家路由。在剑桥地标数据集上,该方法将平均每场景中位数平移误差降至 13.0 cm,优于 GLACE(13.6 cm)和 MACE(14.4 cm)。研究还展示了各模块对降低误差的累积贡献,并在 7-Scenes 数据集上提升了召回率。
DASH-SLAM 是一种单目 SLAM 系统,将预训练的 Depth Anything 3 模型生成的度量深度预测直接集成到共享关键帧位姿图中,无需针对特定任务进行微调。
Synaptics Scan Core 采用专用扫描架构,在保持主无线电处理应用流量的同时持续监测邻近接入点,实现主动漫游以支持<80ms 延迟和<2%丢包率。该方案通过分离网络发现与应用流量,解决了传统 Wi-Fi 因背景扫描导致的连接中断、高功耗及延迟问题。此技术适用于制造、物流等需连续视频流与 AI 推理的自主移动机器人场景。
针对缺乏独立精度检查的摄影测量重建,Hold-out self-validation 方法在十组 GNSS 参考航拍及多个基准测试中表现失效。其标准形式在四十个稀疏重建中评分恒定为 1.00,即便相机位置误差高达 5.9 倍或模型仅含一个正确相机时仍无法识别错误。研究结论表明该自验证机制无法替代检查点,且无法发现所有重建重复的误差。
针对现有公开数据集缺乏满足测绘级要求的真值姿态问题,作者构建了覆盖连续 10 公里街道网络的 FHNW Muttenz 数据集,包含高分辨率参考影像及四相机五场景的查询序列,两期采集数据配准精度达 5mm,图像与参考影像配准后位置误差为 6-9mm、姿态误差低于 0.1°。
针对外部感知不可靠场景下的惯性里程计问题,该研究提出 MosaicIMU 框架,利用基于原型的路由器组合特定载体的专家特征,解码局部速度与不确定性约束并融合历史感知扩展卡尔曼滤波。
针对流式 3D 重建中受限于恒定内存预算导致的长序列漂移问题,本文提出一种无需训练、零参数且永不丢弃帧的标量帧级门控机制。该方法基于内部特征变化推导封闭形式的写权重,灵感源自 SLAM 的关键帧选择策略。
ObjView-Bench 是一个用于评估以物体为中心视图规划的新基准框架,旨在解决现有评测混淆物体复杂度、规划难度假设及物理可达性约束的问题。该工作将视图规划评估解耦为三个独立量:作为物体侧属性的全向自遮挡、观测饱和难度以及通过集合覆盖公式定义的协议依赖型规划难度。
针对极化合成孔径雷达(PolSAR)数据处理难、特征提取网络能力受限的问题,本文提出 PolSAM,一种融合领域特定散射特性的增强型 SAM 模型。该方法引入微波视觉数据(MVD)表示,并设计特征级与语义级两种融合提示策略以解决模态不兼容及优化分割提示。实验在 PhySAR-Seg 数据集上验证了其在精度、存储与推理速度上的优势。代码与数据将公开提供。
该论文提出了 Video2Asset 框架,旨在将多视角视频转化为可独立编辑的持续更新场景。核心挑战在于如何在运动与遮挡下累积部分且不完整的观测而不破坏物体身份或混淆证据。
针对四旋翼飞行器在未见轨迹上姿态估计泛化性不足的问题,该研究提出一种改进的学习型惯性里程计方法。通过采用机体坐标系表示并融入扭矩动力学至学习流程,模型预测短时相对位移并与 IMU 测量融合进扩展卡尔曼滤波中。实验表明该方法在公开数据集上的速度误差低于现有最先进方法,且源自旋翼信号的扭矩输入信息量最大。代码、数据管道及训练好的模型均已公开。
针对现有立体匹配模型仅预测左视图视差导致左右不一致的问题,作者提出一种轻量级跨注入扩展方法。该方法在迭代细化阶段将显式的左右不一致性作为额外输入线索耦合两次推理过程。实验表明,该方法在所有基准测试中显著降低了左右不匹配度(Booster 数据集上降低超过一半),同时保持锐利的物体边界,并减少了单视图视差误差。该论文已被 WACV 2027 接收。
论文 MESAM 旨在利用 Segment Anything Model 2 (SAM2) 解决少样本分割任务中支持集与查询图像外观差异大的挑战。研究提出 Memory-Enhanced SAM2 方法,首先引入语义 - 视觉记忆生成模块构建查询语义、前景视觉及支持自适应记忆,随后通过交互式语义记忆细化模块补充细粒度细节并抑制背景误激活。
推荐理由:针对 SAM2 在少样本分割中因外观差异导致记忆匹配失效的问题,提出通过语义 - 视觉记忆生成与交互式细化模块提升性能。
论文介绍了 HFX3D,这是首个将建筑立面的几何、语义与功能属性结合的大型 LiDAR 基准数据集。数据包含加拿大哈利法克斯 26 栋建筑的约 4.92 亿点云,覆盖四季及昼夜天气变化。
该论文提出 TrackCue 框架,旨在解决自监督 LiDAR 场景流估计中依赖几何证据导致伪标签在稀疏或遮挡区域不可靠的问题。方法将密集图像轨迹转移为可靠的动静区分监督,通过视觉一致的运动补偿策略剔除瞬态跟踪误差,并将图像空间物体运动线索关联至 LiDAR 点进行标签细化。材料仅包含 arXiv 预印本及摘要,未报告真实部署结果或具体实验性能数据。
SplatAnything 提出高斯间距归一化(GSNorm),解决现有方法因全局径向统计量导致的监督模糊问题。该方法在涵盖多数据集、稀疏度及外推视角的系统基准测试中,于场景尺度与视角大幅变化下取得最先进性能。论文为 arXiv 预印本,代码与权重开放许可待注册。
该研究提出了一套面向轮式移动机器人的视觉自主导航开源栈,旨在有限传感与计算资源下整合感知、定位、规划与控制。系统连接了YOLOv8n检测、几何方向估计、RGB-D SLAM、轮惯状态估计及运动学感知规划,并通过行为树管理任务。
推荐理由:该研究提供了一套面向轮式移动机器人的视觉自主导航开源栈,集成了YOLOv8n检测与RGB-D SLAM,在Jetson Orin NX上实现了低延迟感知,并公开了数据集与评估日志。
针对重复纹理环境下的视觉惯性里程计(VIO)退化问题,该研究提出了一种仅依赖相机和惯性测量单元的主动环境修改框架。无人机通过释放地面标记或物理接触墙面按需创建视觉特征,结合时间确认与迟滞机制触发干预。
针对终身物体地图需判断离屏后物体是否留存的问题,本文提出 HiPer 分层持久性滤波器。该方法不依赖类别先验,而是检索视觉和几何相似的训练实例来估计初始生存率,并在 Rosen 框架下利用检测与漏检数据以闭式形式更新信念。
该研究提出一种利用微秒级分辨率事件相机进行 LED 追踪及六自由度相对位姿估计的实时框架。系统通过双速率异步机制在高速运动下保持身份关联,并在变 HDR 光照条件下完成四旋翼悬停与跟随实验。相关数据集与基于 NVIDIA Jetson Orin NX 的实现代码将公开以支持进一步研究。
论文提出了 MetricTrail 系统,用于从长单目视频中实现精确的相机运动估计和稠密三维重建。该方法复用 DPVO 的稀疏局部估计器,通过引入单图度量深度预测来初始化块深度并作为软约束,显著提升了轨迹精度,且无需重训对应网络或扩大优化窗口。
推荐理由:该工作通过引入单图深度预测与冻结 DINOv3 特征,在不重训对应网络的情况下提升了长序列轨迹估计精度。
针对运动恢复结构(SfM)中成对图像匹配计算量过大需限制预算的问题,现有方法因忽略已分配边数可能导致重建失败。本文提出无需训练的贪心规则 DEAL,通过指数级降低端点覆盖度高的图像对的权重来均衡度数。在九个大型互联网照片集上,DEAL 将基于相同先验的选择器成功率从 0.776 提升至 0.929,并在标准基准测试中达到最高均值 0.875。
FREE-LIVO 提出一种无需固定传感器安装位姿与时间同步的紧耦合激光雷达 - 惯导 - 视觉里程计方法。该方法利用预训练图像特征匹配器建立对应关系,在 M3DGR 数据集六条序列上实现平均绝对轨迹误差 RMSE 0.45 m,且对高达 0.5 秒的时间不同步误差具有鲁棒性。实验还证明其能联合估计安装在独立移动机器人上的传感器轨迹。
论文提出 Gaussolve 框架,将混合网格 - 高斯渲染视为多视图不一致问题,通过轻量级神经溶解场选择性溶解不一致的网格内容,再用残差高斯回填暴露区域。该方法采用连续透射率融合规则逐步暴露后方高斯,保留重建梯度并避免硬性可见性不连续。实验表明其在结构化与半结构化场景中具有更高视觉保真度、更少的高斯原语及更快的渲染速度。
PixCon 通过为 UniMatch V2 的 DINOv2-Base 编码器添加类级记忆库,仅在学生预测与标签一致时存储真值特征以训练共享网络。该方法在 Pascal VOC(183 标签)上将平均 mIoU 从 87.01 提升至 87.90,且推理阶段无需额外计算开销。
SUPER 是一个在运行时自适应调整视觉测量信息的有界控制器,应用于 Ceres 和 g2o 后端。该研究在 EuRoC、TUM-VI、UMA-VI 及 TartanAir 数据集下评估了其在视觉干扰中的表现,结果显示所有 13 个分位点置信区间均跨越零且效果异质。此外,提出的动作验证协议能可靠区分控制器诱导的状态变化与求解器波动。
Bowen Xiang 提出一种针对骨盆骨折透视影像的闭环注册框架,利用校准后的三明治协方差界定误差边界并标记不可信片段。在仿真实验中,该方法结合 Minimax 规划策略,相比临床协议平均仅需4.20次投照即可达到认证标准(优于无检查时的4.72次),且将整体误停率从23%降至6%,同时在真实完整骨盆数据上未出现假阳性认证。
该研究系统评估了欧拉角、轴角向量及四元数等 SO(3) 群表示在计算机图形学与机器人领域的特性,证实四元数因紧凑性和计算效率占据主导地位。文章指出 6D 连续表示与矩阵 Fisher 分布能增强连续性并建模不确定性,为动画、姿态估计及三维形状配准等应用奠定数学基础。
FOSCo-Net 利用时间累积观测作为自动监督,在单次扫描下重建温带森林中被树干遮挡的几何结构。该框架采用门控跳跃解码器显著降低误报障碍物预测,相比基线提升重建质量与通行安全性。论文已接受于 2026 年日本冲绳举办的 ACIVS 会议展示。