Monocular 第2页

【学习总结】VIO初始化学习1：Monocular Visual–Inertial State Estimation With Online Initialization and Camera–IMU

最近看了一篇论文，很是头大，大概看懂了个所以然。记录一下。论文：MonocularVisual–InertialStateEstimationWithOnlineInitializationandCamera–IMUExtrinsicCalibration作者：ZhenfeiYang,ShaojieShen.背景知识VIO初始化：https://blog.csdn.net/shyjhyp11/ar

larry_dongy·2023-03-29 22:12

第二篇特征点匹配以及openvslam中的相关实现详解

#==============##CameraModel##==============#Camera.name:"EuRoCmonocular"Camera.setup:"monocular"Camera.model

hardjet·2023-03-27 20:35

DROID-SLAM: Deep Visual SLAM for Monocular, Stereo, and RGB-D Cameras论文阅读笔记

这篇博客分享的是ECCV2020最佳论文原班人马邓嘉团队的最新力作《DROID-SLAM:DeepVisualSLAMforMonocular,Stereo,andRGB-DCameras》。该深度学习SLAM框架具有高精度、高鲁棒性、强泛化能力等优点。论文地址：https://arxiv.org/abs/2108.10869论文代码：https://github.com/princeton-

zeeq_·2023-03-18 07:10

阅读笔记《DID-M3D: Decoupling Instance Depth for Monocular 3D Object Detection》

DID-M3D概念引入绝对深度相对深度~(本文未提到，仅作摘录扩展)~思路方法介绍/引文IntroductionSMOKE的思路问题设定方法Backbone3DdetectionKeypointBranchRegressionBranch实验结果源代码：https://github.com/SPengLiang/DID-M3D概念引入参考博客·博客1博客2绝对深度绝对深度，用RGB彩色图片表示，像

信笔涂流年·2023-03-10 03:42

论文笔记： Monocular Depth Estimation: a Review of the 2022 State of the Art

中文标题：单目深度估计：回顾2022年最先进技术本文对比了物种最近的基于深度学习的单目深度估计方法：GPLDepth(2022)[15]:Global-LocalPathNetworksforMonocularDepthEstimationwithVerticalCutDepthAdabins(2021)[1]:Adabins:Depthestimationusingadaptivebins3Ds

BlueagleAI·2023-02-16 23:38

论文笔记- Geometry-Aware Symmetric Domain Adaptation for Monocular Depth Estimation

论文信息标题：Geometry-AwareSymmetricDomainAdaptationforMonocularDepthEstimation作者：ShanshanZhao([email protected]),HuanFu([email protected]),MingmingGong([email protected]),DachengT

kingsleyluoxin·2023-02-06 18:14

OmniFusion: 360 Monocular Depth Estimation via Geometry-Aware Fusion

PapernameOmniFusion:360MonocularDepthEstimationviaGeometry-AwareFusionPaperReadingNoteURL:https://arxiv.org/pdf/2203.00838.pdfTL;DR首先将360°图像转换到低程度畸变的的perspectivepatches，然后基于CNN获得patch-wisepredictions，

kebijuelun·2023-02-06 18:14

Arxiv2019论文阅读《Generalizing Monocular 3D Human Pose Estimation in the Wild》

参考文献[1]:Asimpleyeteffectivebaselinefor3dhumanposeestimation(ICCV2017)附：针孔成像原理

Rosemary_tu·2023-01-27 08:50

ORBSLAM2 回环检测初始化和开启线程

=MONOCULAR);//回环检测初始化，变量赋初值LoopClosing::LoopClosing(Map*pMap,KeyFrameDatabase*pDB,ORBVocabulary

weixin_43812135·2023-01-26 10:46

PL-SLAM Real-Time Monocular Visual SLAM with Points and Lines

基于LSD的直线提取算法https://blog.csdn.net/tianwaifeimao/article/details/17678669LBD算法-线描述符分析https://blog.csdn.net/chishuideyu/article/details/78132093?ops_request_misc=%257B%2522request%255Fid%2522%253A%25221

李皮皮的悲惨生活·2023-01-18 11:16

【论文笔记】PL-SLAM: Real-Time Monocular Visual SLAM with Points and Lines（2017）

线主要应用在：BA、relocalization、初始化时使用了line特征同时处理点和线的对应关系插入关键帧：如果图像包含有关环境的大量新信息，则将其标记为关键帧，并对其相应的线进行三角剖分并添加到地图中。为了丢弃可能的异常值，从少于三个视点或少于25%的帧中看到的线也会被丢弃（剔除）。地图中的直线位置用局部ba优化。注意，在图2中，我们不使用线来闭合回路。整个地图上的匹配线在计算上太贵了。因此

lizhaohu01·2023-01-18 11:15

PL-SLAM: Real-Time Monocular Visual SLAM with Points and Lines

往ORBSLAM里面加入了line特征。III.SYSTEMOVERVIEWA.Line-basedReprojectionError以作为3D点的端点。对应的2d投影.以Homogeneous形式代入以下公式获得归一化的线参数:这篇论文对线定义了两种error:Thelinereprojectionerror定义为两个点到直线的距离之和.点是3D线端点的2D投影点，线是检测到的本地线。(如下图右

NoEdUl·2023-01-18 11:15

EIP-VIO: Edge-Induced Points based Monocular Visual-Inertial Odometry

EIP-VIO:Edge-InducedPointsbasedMonocularVisual-InertialOdometryAbstractIntroductionTheProposedMethodExperimentalResultConclusions本文的主要创新点在于提出了俩种关键点信息用于提供代价函数中的重投影和像素亮度无误差信息的部分，同时结合IMU测量单元提高了系统的精度和鲁棒性。

冼yy·2023-01-18 11:12

REAL-TIME MONOCULAR VISUAL SLAM BY COMBINING POINTS AND LINES

REAL-TIMEMONOCULARVISUALSLAMBYCOMBININGPOINTSANDLINESAbstractIntroductionSystemOverviewLineFeatureinVisuakSLAMCombinedTreatmentofPointsandLinesExperimentalResultsConclusion本文中的创新点主要集中在线性特征信息部分，在线性特征信息

冼yy·2023-01-18 11:12

【论文阅读】PL-SLAM Ｒeal-time monocular visual SLAM with points and lines

这篇论文是在ORBSLAM的基础上，将点特征增加为点线特征，由此引出的点线特征的SLAM。针对于线特征，又补充了线相关的误差计算、BA优化以及初始化等内容。论文翻译三、系统概述整篇论文都是在ORBSLAM上做出的修改，将对线的操作补充了进去，如下图所示。对于线特征，从输入帧中使用LSD算法进行提取，这是一个时间复杂度为O(N)的分类器，N表示输入帧中的像素数目，也就是说像素数目越多，用时越多。提取

林北不要忍了·2023-01-18 11:41

(2020.01) Monocular localization with Vector HD Map (MLVHM): A Low-Cost Method for Commercial IVs

这是一篇清华大学2020年发表在sensors上的工作，20多页比较详细；paper链接：https://www.mdpi.com/1424-8220/20/7/1870一、目的和创新点通过单目提取语义特征和矢量高精地图对齐，低成本实现智能驾驶的定位需求(vo+矢量高精地图纠偏)；对于特征稀疏的场景，提出和验证了一种基于滑动窗口的帧到帧的运动融合方案，提高了定位稳定性并兼顾实时性；通过仿真数据和实

chaoqinyou·2023-01-18 09:58

单目深度估计 | Unsupervised Monocular Depth 学习笔记

Nani_xiao·2023-01-17 08:34

Unsupervised Monocular Depth Estimation With Left-Right Consistency 论文笔记

文|陈十三公众号首发|一只在路上的哈士奇公众号ID|super_Mrchen关注可了解更多。问题或建议，请公众号留言0x00补充知识1.视差：左右双目图像中，两个匹配块中心像素的水平距离。视差图如下图例1所示，相同视差（即相同颜色）代表物体离摄像头位置相同（个人理解）。视差越大越靠近摄像头,颜色越亮越靠近摄像头.图1视差图实例2.立体匹配的四个最基本的步骤：匹配代价计算（MatchingCostC

Lebhoryi·2023-01-16 16:24

视觉SLAM学习笔记

中英文对照表中文英文计算机视觉ComputerVision人工智能ArtificialIntelligence单目相机Monocular双目相机Stereo深度相机RGB-D视差Disparity稀疏Sparse

Jeet173·2023-01-16 16:53

【3D目标检测】Delving into Localization Errors for Monocular 3D Object Detection

目录概述细节本文的一些设置错误分析中心检测训练样本损失函数概述本文是基于单目图像的3D目标检测方法。【2021】【MonoDLE】研究的问题:核心问题：如何提高基于单目图像的3D目标检测的效果。作者将CenterNet作为baseline，量化了每个子任务的整体影响，观察到以下现象观察一：定位误差是制约目标检测性能的关键因素，而定位主要需要深度值以及3D边界框中心的投影坐标，前者不好优化。观察二：

可乐大牛·2023-01-13 08:01

相机分类及介绍

相机相机分类单目相机（Monocular）：二维投影通过尺度不变性确定深度优点：结构简单、成本低、便于标定和识别缺点：单张图片里无法确定物体真实大小方法：线激光器、单CCD相机、小孔成像和激光面约束模型其他

＊爱吃路边摊�·2023-01-11 12:36

Learning Monocular Visual Odometry via Self-Supervised Long-Term Modeling

PapernameLearningMonocularVisualOdometryviaSelf-SupervisedLong-TermModelingPaperReadingNoteURL:https://arxiv.org/pdf/2007.10983.pdfTL;DRECCV2020文章，该文章认为在短时间序列上训练无法在长时间序列上良好泛华，所以受到传统vo方案的启发提出了一种基于长时间序列

kebijuelun·2023-01-09 22:42

D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry

PapernameD3VO:DeepDepth,DeepPoseandDeepUncertaintyforMonocularVisualOdometryPaperReadingNoteURL:https://openaccess.thecvf.com/content_CVPR_2020/papers/Yang_D3VO_Deep_Depth_Deep_Pose_and_Deep_Uncertain

kebijuelun·2023-01-09 22:42

Monocular Fisheye Camera Depth Estimation Using Sparse LiDAR Supervision

PapernameMonocularFisheyeCameraDepthEstimationUsingSparseLiDARSupervisionPaperReadingNoteURL:https://arxiv.org/pdf/1803.06192.pdfTL;DR2018年ITSC文章，出自于德国Valeo自动驾驶公司，提出了单目鱼眼深度估计的有监督训练方案，并针对雷达与鱼眼相机安装位置不一样

kebijuelun·2023-01-09 22:12

Monocular 3D Object Detection and Box Fitting Trained End-to-End Using Intersection-over-Union Loss

Monocular3DObjectDetectionandBoxFittingTrainedEnd-to-EndUsingIntersection-over-UnionLossinsights3DIoulossHomoscedasticnoiseHeteroscedasticnoise3D

fourye007·2023-01-06 16:25

Is Pseudo-Lidar needed for Monocular 3D Object detection?(dd3d) dockerfile镜像构建过程中遇到的问题

分镜像构建因为问题太多了，不能每次出错都从头开始，所以分多个dockerfile构建注意两点：修改dockerfile中FROMdockerbulid时的文件名和版本号（且cd到dockerfile所在路径下）F:\step>dockerbuild-fF:\step\s5-ts:1.6.问题1RUNapt-getupdate一直报错详情见：https://blog.csdn.net/weixin_

weixin_47343723·2023-01-06 16:24

Task-Aware Monocular Depth Estimation for 3D Object Detection

Task-AwareMonocularDepthEstimationfor3DObjectDetection作者：XinlongWang,WeiYin,TaoKong,YuningJiang,LeiLi,ChunhuaShen机构：TheUniversityofAdelaide,Australia、BytedanceAILab出处：AAAI2020主要贡献分析前景背景对深度估计分别的影响，将两者区

Harrylin、·2023-01-06 15:22

文献阅读：(CVPR2021)Objects are Different: Flexible Monocular 3D Object Detection

ObjectsareDifferent:FlexibleMonocular3DObjectDetection目录ObjectsareDifferent:FlexibleMonocular3DObjectDetection1.摘要2.具体实现2.1定义问题3DLocation2.2网络框架以CenterNet作为框架基础2.3如何处理正常对象和截断对象2.4视觉特性的回归2.5自适应深度集成实验部分

潜沉10·2023-01-06 15:50

论文阅读笔记：(2021.06 cvpr) Objects are Different: Flexible Monocular 3D Object Detection

本文介绍cvpr2021的MonoFLEX，论文的着眼点是优化图片边沿被截断物体的3D检测，同时优化了中心点的深度估计。这个方法也是目前（截止2022.01）没有extratraningdata的条件下，单目3d目标检测在kitti-car-moderate上结果最好的方法，每帧35ms也比较快了，技巧比较多，非常值得一看的！code:https://github.com/zhangyp15/Mo

chaoqinyou·2023-01-06 15:48

论文阅读 [TPAMI-2022] Disentangling Monocular 3D Object Detection: From Single to Multi-Class Recognitio

论文阅读[TPAMI-2022]DisentanglingMonocular3DObjectDetection:FromSingletoMulti-ClassRecognition论文搜索(studyai.com)搜索论文:DisentanglingMonocular3DObjectDetection:FromSingletoMulti-ClassRecognition搜索论文:http://ww

北岭狼人·2023-01-06 15:47

7.Estimating Depth from Monocular Images as Classification Using Deep Fully Conv Residual Net

论文在这儿大体介绍之前的一些方法大都采用回归方法(由于深度连续的特性)进行深度估计，但效果并不好。在这篇论文中，将深度估计看成是一个像素级别的分类问题。首先，将连续的ground-truthdepths离散化成几个bins,并且根据他们的depthranges给bins标签。这些标签与一般分类问题中的不同，在训练过程中，预测的深度标签也可以用来更新模型参数，这些深度标签接近地面的真实情况并且具有很

いしょ·2023-01-05 19:41

Unsupervised Monocular Depth Estimation with Left-Right Consistency 论文笔记

UnsupervisedMonocularDepthEstimationwithLeft-RightConsistency论文链接：https://arxiv.org/abs/1609.03677ProblemStatement这是一个双目自监督深度估计的论文，利用两张图片进行深度估计，但是在推理阶段可以使用一张图片进行深度估计。利用对级几何约束，把深度估计当成是图像重构的问题。但是仅仅是图像重构

Tianchao龙虾·2023-01-03 16:27

SMOKE: Single-Stage Monocular 3D Object Detection via Keypoint Estimation 论文笔记

SMOKE:Single-StageMonocular3DObjectDetectionviaKeypointEstimation论文笔记论文链接：https://arxiv.org/abs/2002.10111一、ProblemStatement目前的单目3D视觉中，通常非常依赖于RCNN网络或者RPN网络，然后会多加一个分支去学习3D信息或者产生伪激光雷达，然后将它们放入点云检测网络中。作者认

Tianchao龙虾·2022-12-29 15:01

论文阅读笔记：(2020.06 cvpr_w) SMOKE: Single-Stage Monocular 3D Object Detection via Keypoint Estimation

单目3D目标检测算法对自动驾驶领域非常重要，SMOKE是2021年CVPRworkshop的文章，精度在kitti上排名前列，能实现实时推理，且代码开源，最近也被baiduapollo7.0集成到了感知模块，非常值得学习！paper:https://openaccess.thecvf.com/content_CVPRW_2020/html/w60/Liu_SMOKE_Single-Stage_Mo

chaoqinyou·2022-12-29 15:50

【3D目标检测】SMOKE: Single-Stage Monocular 3D Object Detection via Keypoint Estimation

目录前提概述细节网络结构特征提取网络检测头1：关键点检测检测头2：3D参数回归损失函数前提需要先了解下CenterNet【目标检测】ObjectsasPoints概述本文是基于单目图像的3D目标检测方法。【2020】【SMOKE】研究背景:以往的3D目标检测方法中都会有一个子网络，通过2D目标检测产生2D候选框，然后通过2D候选框去学习3D信息或者得到伪点云送入基于点云的网络中。而这种基于2D目标

可乐大牛·2022-12-29 15:46

LiveCap: Real-time Human Performance Capture from Monocular Video

TOG2019GVV亮点：1）实时，25Hz；对松弛的衣物也进行了重建。2）skeletonposeestimation时，加入了facelandmark；silhouettealignment时，用的是图像距离变换。3）surfaceregistration时，利用了texture信息；基于部件进行silhouettealignment。

wy23333·2022-12-27 22:33

GANerated Hands for Real-Time 3D Hand Tracking from Monocular RGB阅读笔记

本文是2018CVPR的一篇论文，主要讲述的是从单目RGB图像中进行3D手跟踪，主要包含三个方面，训练数据生成，关键点预测，3D骨架拟合。而主要与2017年ICCV的一篇论文进行对比，该论文是第一篇讲述单目图像手部跟踪的。摘要部分大致讲述了本文的主要内容。第一部分介绍，讲述了3D手姿估计的现状，受近期研究的启发而产生的本文的想法，以及主要工作内容。第二部分相关工作，讲述了目前的多视角研究现状、单目

充电ing...·2022-12-27 21:21

MobRecon: Mobile-Friendly Hand Mesh Reconstruction from Monocular Image阅读笔记

本文是2022CVPR的一篇文章，主要讲述的是一种基于单目图像移动友好手部网格重建，整体流程主要包含三个部分2D编码，2D到3D映射，3D解码。其中还涉及到轻量化的问题。摘要部分介绍了本文提出的手部网格重建方法的大致内容。第一部分介绍，主要讲述了单视图手网重建的典型流程，时间相干性，以及本文的主要工作内容。第二部分相关工作，主要讲述了手部网格估计，轻量级网络，时间一致性的人体重建，像素对齐表示的流

充电ing...·2022-12-27 21:12

【论文阅读】DPLVO: Direct Point-Line Monocular Visual Odometry

一、公式及符号约定这篇文章与之前看的EDPLVO是同一个作者，EDPLVO是在这篇文章的基础上改进的，符号约定方面，DPLVO同样采用R和t表示旋转矩阵和平移向量，使用Π表示投影函数，利用R和t以及Π投影函数，我们可以得到一个特征点在另一帧上的对应投影点为：这篇文章中空间直线的坐标也使用普朗克坐标，相关的内容参考链接使用普朗克坐标，线段也可以直接进行投影，需要使用稍微变化一下的T矩阵：二、点线直接

林北不要忍了·2022-12-27 20:37

ORB-SLAM3-2：案例mono_inertial_tum_vi解读

/Examples/Monocular-Inertial/mono_inertial_euroc./Vocabulary/ORBvoc.txt.

xmrmol·2022-12-27 14:05

[论文笔记] semi-dense 3d semantic mapping from monocular slam

semi-dense3dsemanticmappingfrommonocularslam这居然是CVPRbestpaper吗，我似乎读了一篇假论文_(:з)∠)_……大概是自己太菜了没读懂QWQ，改天再读一遍1.introduction这篇论文的思想比较易懂，使用单目LSD-SLAM+deeplab，生成半稠密的语义地图。文章解释了，对于RGBD或双目相机，存在尺度限制问题，他们只能在有限的深度范

KylinQAQ·2022-12-25 12:40

【虚拟试衣论文笔记】M3D-VTON: A Monocular-to-3D Virtual Try-On Network

论文地址：项目地址：https://github.com/fyviezhao/M3D-VTON本文提出了一种Monocular-to-3DVirtualTry-OnNetwork(M3D-VTON)的多姿态图像虚拟试衣方法

橙子的科研日记·2022-12-24 13:26

【3D目标检测】Orthographic Feature Transform for Monocular 3D Object Detection

目录概述细节网络结构正交特征变换模块其余部分概述本文是基于单目图像的3D目标检测方法。【2018】【OFT-Net】研究的问题：在图像表示中，物体的比例会随着深度的变化而变化；物体的外观随着视点的不同而不同；物体的距离（无论是物体相对于坐标系的绝对距离还是物体之间的相对距离）无法直接表示，且后者是没有意义的，会随着深度的变化而变化的。提出的方法：作者认为应该在3D空间中进行检测，因此提出了一种可微

可乐大牛·2022-12-22 08:55

三维重建论文笔记 DeMoN:Depth and Motion Network for Learning Monocular Stereo

本文是学习总结的笔记，仅供个人学习使用。1.introduction在这篇文章中，作者训练了一个端到端的卷积网络，以从连续无约束的图像对中计算深度和摄像机运动。该体系结构由多个堆叠的编解码器网络组成，核心部分是一个能够改进自身预测的迭代网络。该网络不仅估计深度和运动，而且还估计表面法线、图像之间的光流和匹配的置信度。该方法的一个重要组成部分是基于空间相对差异的训练损失。与传统的基于运动方法的双框结

飒白·2022-12-21 15:25

制作自己的ORBSLAM2数据集，并实现三维重建(代码自己写的)

2ORBSLAM2测试自己拍摄的数据集使用手机、摄像机等设备拍摄视频，对应我们只能使用单目(Monocular)。2.1对相机标定首先我们要对相机进行标定，使用MATLAB里面的标定工具包。

哇哈哈347·2022-12-21 11:33

单目3D物体检测模型（CaDDN）： Categorical Depth Distribution Network for Monocular 3D Object Detection

本文介绍一篇单目3D物体检测模型：CaDDN，论文收录于CVPR2021。单目3D物体检测的主要挑战在于准确预测物体深度，由于缺乏直接的距离测量，因此必须根据物体和场景线索来推断物体深度。过去许多方法试图直接估计深度来辅助3D检测，但由于深度预测不准确，性能都比较有限。本文提出了分类深度分布网络(CaDDN)，通过预测每个像素的分类深度分布，将丰富的上下文特征信息投影到3D空间中合适的深度区间。然

自动驾驶小学生·2022-12-19 07:29

论文精读:《MV-FCOS3D++: Multi-View Camera-Only 4D Object Detection with Pretrained Monocular Backbones》

文章目录论文精读摘要1.介绍(Introduction)2.方法（Methodology）2.1MV-FCOS3D++2.2PretrainingwithPerspective-ViewSupervision2.3Dual-PathTemporalModeling论文精读摘要在这份技术报告中，我们介绍了我们的解决方案，称为MV-FCOS3D++，用于WaymoOpenDataSetChalleng

zyw2002·2022-12-18 14:15

论文精读：《FCOS3D: Fully Convolutional One-Stage Monocular 3D Object Detection》

文章目录论文精读摘要（Abstract）1.介绍（Introduction）2.相关工作（RelatedWork）3.方法（Approach）3.1框架总览(FrameworkOverview)3.22D引导的多层次3D预测(2DGuidedMulti-Level3DPrediction)3.3二维高斯分布的三维中心度(3DCenter-nesswith2DGaussianDistribution

zyw2002·2022-12-18 14:37

ORB-SLAM3的Euroc数据集测试

/Monocular/mono_euroc../Vocabulary/ORBvoc.txt./Monocular/EuRoC.yaml"$pathDatasetEuroc"/MH03.

牛犇犇子木·2022-12-18 07:48

【3D目标检测】Categorical Depth Distribution Network for Monocular 3D Object Detection

目录概述细节网络结构类别深度分布损失函数概述本文是基于单目图像的3D目标检测方法。【2021】【CaDNN】研究的问题：以往的深度信息学习方法（无论是显示学习还是隐式学习）都存在一些问题，会导致后面边界框定位困难显示学习的方法将深度估计和目标检测分开训练，导致得到的深度图是次优的，进而导致边界框定位性能差。隐式学习的方法会出现特征涂抹的问题，导致生成的鸟瞰图表示质量不高。提出的方法：实现了端到端的

可乐大牛·2022-12-17 12:21

推荐频道

Monocular