以下內(nèi)容來自從零開始機(jī)器人SLAM知識星球 每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# Roadside HD Map Object Reconstruction using Monocular Camera、

論文地址：IROS2022論文集

作者單位：清華大學(xué) ?

? ? 傳統(tǒng)的HD map制作需要配備昂貴傳感器(如激光雷達(dá))的測繪車輛，因此使用低成本視覺傳感器進(jìn)行HD map重建需要大量的研究。然而，這一領(lǐng)域的大部分現(xiàn)有工作將重點(diǎn)局限于重建道路表面的地標(biāo)。本文通過對單目相機(jī)路邊目標(biāo)重建的研究，拓寬了這一局限。我們提出了一種新的物體級重建框架，該框架具有兩個(gè)優(yōu)點(diǎn):1)一種新的3D模型估計(jì)方法，可以利用特定的路邊物體的先驗(yàn)幾何知識直接以矢量化格式重建特定的路邊物體;2)一種新的數(shù)據(jù)關(guān)聯(lián)方法，可以解決路邊物體的復(fù)雜跟蹤問題。該框架在KAIST城市公共數(shù)據(jù)集中的典型高速公路和城市場景上進(jìn)行了評估。實(shí)驗(yàn)結(jié)果表明，該算法具有較高的重建精度和召回率，并在很大程度上優(yōu)于經(jīng)典的基于運(yùn)動(dòng)結(jié)構(gòu)(SfM)和基于深度學(xué)習(xí)的方法。 本文貢獻(xiàn)如下： 1、提出了一種高清地圖中路旁桿子和標(biāo)志的對象級重建算法，該算法通過顯式地利用路旁桿子和標(biāo)志的先驗(yàn)幾何知識，具有高度專門化的參數(shù)化和估計(jì)方法。 2、基于有效的深度排序策略和結(jié)合運(yùn)動(dòng)流和幾何驗(yàn)證的相似性度量的準(zhǔn)確的離線數(shù)據(jù)關(guān)聯(lián)模塊

以上內(nèi)容來自從零開始機(jī)器人SLAM知識星球 每日更新內(nèi)容