發(fā)現(xiàn)個挺好的數(shù)據(jù)集，Hpatches太小用來當數(shù)據(jù)集不合適，Mega太大了又包含很多低質(zhì)量的照片不太好。從ASLFeat論文看到個他們做的GL3D下載下來感覺不錯。
發(fā)簡信
IP屬地：澳門
-
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。應該是CVPR19的論文，講的是同時做出來det和des。特征點定位精度不高，速度也很慢，不過對光照等魯棒性非常高，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 僅僅學習可重復并顯著的特征點不夠，顯著的區(qū)域并不一定是有區(qū)分性的，因此這樣可能損害描述子性能。因此，文中認為描述子...
-
[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的更進一步，主要解決了D2Net的痛點——keypoint太不準了。我實際用D2Net進行三維重建就感受到，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，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，然后就是很漫長的Debug，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 相機內(nèi)參 去畸變參數(shù) 判斷遠近點深度閾值、相機基線長度 左右圖像特征點 詞袋模型參數(shù)，用于跟...
-
Introduction1.CNN Locale keypoint2.Light CNN general design3.Scale Var Light CNN design 1. CNN Loca...
-
-
ORB、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。 直覺： 1、ORB更穩(wěn)定，rfnet更準確。 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進展需求： 完整的SLAM框架 精度起碼是主流水平上 深度學習要能實時 分析： 目前特征點法SLAM開源框架就是ORBSLAM了。基本上沒得挑，PTAM太老更麻煩，自己寫精度上比...
-
第六屆智慧城市比賽--全景圖定位一、比賽任務簡要介紹 任務要求： 基于全景圖像的室內(nèi)外定位，即利用全景圖像中特征點的位置關系來確定全景相機拍攝的坐標。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)絡聽復雜的，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 Output: 128維的...
-
使用LF-Net進行三維重建LF-Net就是"LF-Net: Learning Local Features from Images"一種端到端的深度學習局部特征子．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強太多了，而且具有globalSFM選項，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...