跳到正文
arXiv · 机器人与计算机视觉· Yunus Talha Erzurumlu, Niklas Trekel, Saurabh Gupta, Nico Koltermann, Olga Vysotska, Jens Behley, Louis Wiesmann, Cyrill Stachniss·· 15 天前精选AI 评分78

稀疏锚点用于变化环境中的视觉多会话配准

Sparse Anchors for Visual Multi-Session Registration in Changing Environments

AI 导读

该研究针对重复机器人监测中环境变化导致视觉内容减少或结构重复的问题,提出一种结合稀疏可靠绝对姿态约束与会内相对姿态信息的配准方法。通过视觉地物识别、局部特征匹配及几何验证估计对齐假设,利用序列共识保留一致的姿态作为绝对锚点,再经高斯特征场优化与稳健位姿图优化完成完整轨迹注册。

推荐理由

论文提出稀疏锚点方法,在环境变化下实现跨会话轨迹注册,在 HILTI26 数据集上优于独立定位与 SfM 直接配准。

来源:arXiv · 机器人与计算机视觉 · arxiv.org