發(fā)現(xiàn)個挺好的數(shù)據(jù)集架诞，Hpatches太小用來當(dāng)數(shù)據(jù)集不合適贬丛，Mega太大了又包含很多低質(zhì)量的照片不太好波势。從ASLFeat論文看到個他們做的GL3D下載下來感覺不錯弦蹂。
發(fā)簡信
IP屬地：廣東
-
數(shù)據(jù)集 GL3D
-
[論文解讀]D2-Net: A Trainable CNN for Joint Description and Detection of Local Features以前好久的論文，這幾天整理資料也翻出來了。應(yīng)該是CVPR19的論文复唤，講的是同時做出來det和des奕枢。特征點定位精度不高，速度也很慢佩微，不過對光照等魯棒性非常高缝彬，如下圖所示。 但...
-
[論文解讀]R2D2: Reliable and Repeatable Detector and DescriptorNeurIPS 2019代碼地址會議視頻 abstract 僅僅學(xué)習(xí)可重復(fù)并顯著的特征點不夠哺眯，顯著的區(qū)域并不一定是有區(qū)分性的谷浅，因此這樣可能損害描述子性能。因此奶卓，文中認(rèn)為描述子...
-
[論文解讀]SuperGlue: Learning Feature Matching with Graph Neural NetworksSuperGlue: Learning Feature Matching with Graph Neural Networks個人感受：這個是繼SuperPoint 后該組又...
-
[論文解讀]ASLFeat: Learning Local Features of Accurate Shape and Localization先總結(jié)一下： 這個文章是對D2Net的更進(jìn)一步一疯，主要解決了D2Net的痛點——keypoint太不準(zhǔn)了。我實際用D2Net進(jìn)行三維重建就感受到夺姑，D2Net并不是高精度的像素級...
-
LibTorch使用 C++部署
pytorch的c++版本越來越好用了墩邀，我是從1.0版本用到1.3.1版本的，在開始時候很多pytorch的代碼用JIT script會出錯盏浙，然后就是很漫長的Debug眉睹，而且...
-
ORB-SLAM2代碼筆記（二）：Frame
Frame 成員變量： ORB特征字典——用于重定位 ORB特征提取句柄 時間戳 相機(jī)內(nèi)參 去畸變參數(shù) 判斷遠(yuǎn)近點深度閾值、相機(jī)基線長度 左右圖像特征點 詞袋模型參數(shù)废膘，用于跟...
-
Introduction1.CNN Locale keypoint2.Light CNN general design3.Scale Var Light CNN design 1. CNN Loca...
-
-
ORB竹海、RFNET等特征點分析回顧了一下比賽的問題我們這個slam針對的場景是什么？這個需要分析下優(yōu)缺點丐黄。 直覺： 1斋配、ORB更穩(wěn)定，rfnet更準(zhǔn)確灌闺。 可能原因： orbslam對于orb特征點選擇問題...
-
-
ORBSLAM問題分析ORB-SLAM Existing Problems (1) FAST feature points detection using the gray threshold t...
-
深度特征點法SLAM進(jìn)展需求： 完整的SLAM框架 精度起碼是主流水平上 深度學(xué)習(xí)要能實時 分析： 目前特征點法SLAM開源框架就是ORBSLAM了园细。基本上沒得挑接校，PTAM太老更麻煩猛频，自己寫精度上比...
-
第六屆智慧城市比賽--全景圖定位一、比賽任務(wù)簡要介紹 任務(wù)要求： 基于全景圖像的室內(nèi)外定位蛛勉，即利用全景圖像中特征點的位置關(guān)系來確定全景相機(jī)拍攝的坐標(biāo)鹿寻。簡單說就是每個場景他都給一組圖片（用Insta360 P...
-
[論文解讀]ContextDesc: Local Descriptor Augmentation with Cross-Modality Context這個網(wǎng)絡(luò)聽復(fù)雜的，主要有三個塊組成 3.2. Geometric context encoder 幾何背景編碼 Input: K個無序的特征點坐標(biāo) Output: 128維的...
-
使用LF-Net進(jìn)行三維重建LF-Net就是"LF-Net: Learning Local Features from Images"一種端到端的深度學(xué)習(xí)局部特征子．基于OpenMVG稍微對特征提取部分...
-
OpenMVG使用-TUM數(shù)據(jù)集測試先放總結(jié)：調(diào)試起來比OpenSFM強(qiáng)太多了诽凌，而且具有g(shù)lobalSFM選項毡熏，不用通過調(diào)整ＢＡ間隔來間接做．．．．．． 看來還得用老牌的．．．．．． Pose好太多了，起碼不用...
-
OpenSFM使用--TUM數(shù)據(jù)集測試首先試試這些參數(shù)： 主要思路是不希望用局部的BA優(yōu)化而是用一次全局的BA之前嘗試局部做效果比較差運行下流程看看結(jié)果： 實驗結(jié)果比較垃圾．．．．．． 再試一下參數(shù)： 上次有可能...