克服己身，叫身服我
SEAMLESS MAP MERGING in ORBSLAM-Atlas SEAMLESS MAP MERGING in ORBSLAM-Atlas
SEAMLESS MAP MERGING in ORBSLAM-Atlas为了检测地图的合并，我们使用ORBSLAM的place recognition阶段。它对由共视图连接的三个关键帧进行重复的位置识别，以减少错误检测的风险。 下面介绍S
2023-05-27 slam
视觉SLAM
Exploring NeRF-My Journey Through Research and Code Exploring NeRF-My Journey Through Research and Code
Exploring NeRF: My Journey Through Research and Code Taichi 社区分享会 2023.4.26 如何阅读一篇论文Part 1对于像我一样的入门学习者，提供一些我学习过程中的经验 在读论
2023-04-26 其他
经验分享
基于神经网络的三维重建 基于神经网络的三维重建
基于神经网络的三维重建1 对NeRF的思考NeRF的核心是场景的隐式表示，给定一组影像，网络去学习这个三维场景，然后当指定任意一个位姿的时候，就输出它对应的图片。这其实和传统的SfM的流程是一样的，没什么新鲜的。唯一不同的是SfM构建的是场
2023-04-25 NeRF
NeRF 三维重建
读博的选择、过程、出路 读博的选择、过程、出路
读博的选择、过程、出路 中科院博士，程小六 为什么读博？ 去高校、研究所、企业的研究院，必须要读博，这是个门槛 海归，特别是知名学校，优势非常大 需要做博后，去好几个地方做博后，去积累一些人脉、项目、经验，最后才能去当一个老师
2023-04-06 其他
经验分享
SLAM论文从零到一 SLAM论文从零到一
SLAM论文从零到一 对2023年3月26日微信公众号《计算机视觉life》直播的一个总结 主讲人的经历： 主讲人情况： 博⼀开始入门，经历了⼀年多发了第⼀篇论文（顶会）； 实验室没有足够的积淀，缺乏指导；目前发表了RAL、ICRA等。
2023-03-26 slam
经验分享
几种关键帧选择方案 几种关键帧选择方案
几种关键帧选择方案ORB-SLAM插入关键帧的条件即是必须满足条件1以及满足2.1-2.3中任意一个条件。 必须满足的条件： 1. 内点数必须超过设定的最小阈值，并且重叠度不能太大； 原因：保证关键帧跟踪的质量，同时，避免引入过多的信息冗余
2023-03-25 slam
视觉SLAM
视觉里程计总结 视觉里程计总结
视觉里程计总结任务目标《视觉SLAM十四讲》里面介绍到视觉里程计的任务是： 估算相邻图像间相机的运动 估计局部地图 基本方法视觉里程计常用的方法是特征点法、光流法、直接法。 笔者认为这几种方法最根本的区别在误差函数上，所以这里不再从最最
2023-03-24 slam
视觉SLAM
论文阅读《DENSE RGB SLAM WITH NEURAL IMPLICIT MAPS》 论文阅读《DENSE RGB SLAM WITH NEURAL IMPLICIT MAPS》
论文阅读《DENSE RGB SLAM WITH NEURAL IMPLICIT MAPS》本论文提出了一种具有神经隐式映射表示的稠密RGB SLAM。该方案不需要深度输入，并且不需要任何预训练模型。为了实现这一目标，本文引入了一个分层的特
2023-03-19 slam
隐式表示 视觉SLAM
论文阅读《ORB-SLAM2：an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras》 论文阅读《ORB-SLAM2：an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras》
论文阅读《ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras》本文提出了ORB-SLAM2，它是基于单目、双目或RGB-D相机的一个完整
2023-03-07 slam
视觉SLAM
论文阅读《Feature-Realistic Neural Fusion for Real-Time, Open Set Scene Understanding》 论文阅读《Feature-Realistic Neural Fusion for Real-Time, Open Set Scene Understanding》
Feature-Realistic Neural Fusion for Real-Time, Open Set Scene Understanding回顾iMAP 这篇工作很大部分都基于iMAP，去年暑假我翻译了这篇论文 使用隐式神经场
2023-03-06 slam
隐式表示 视觉SLAM
CS231A Lecture 9：Fitting and Matching CS231A Lecture 9：Fitting and Matching
CS231A Lecture 9：Fitting and Matching lecture 9 也没什么内容，不过还是好好记一下，霍夫变换之前不太了解。。。 Reading: [HZ] Chapter: 4 “Estimation –
2022-11-23 三维视觉
CS231A
CS231A Lecture 7：Multi-view geometry (2) CS231A Lecture 7：Multi-view geometry (2)
CS231A Lecture 7：Multi-view geometry (2) Reading: [HZ] Chapter 10 “3D reconstruction of cameras and structure” [HZ] Cha
2022-11-21 三维视觉
CS231A
2 / 8