chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評論與回復(fù)
      VIP于 到期 續(xù)費
      登錄后你可以
      • 下載海量資料
      • 學(xué)習(xí)在線課程
      • 觀看技術(shù)視頻
      • 寫文章/發(fā)帖/加入社區(qū)
      會員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動

      完善資料讓更多小伙伴認識你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      3D視覺工坊

      文章：432 被閱讀：89.1w 粉絲數(shù)：25 關(guān)注數(shù)：0 點贊數(shù)：3

      廣告

      聊聊3D激光SLAM開源算法-LeGo-LOAM

      相對于LOAM算法，LeGo-LAOM能夠進行地面優(yōu)化，同時保證了輕量級，也加入了回環(huán)檢測模塊。本課....
      的頭像 3D視覺工坊 發(fā)表于 06-11 10:21 ?2219次閱讀
      聊聊3D激光SLAM開源算法-LeGo-LOAM

      VPS、GPS與SLAM的區(qū)別與聯(lián)系

      VPS全稱為Visual Positioning System，即視覺定位系統(tǒng)。
      的頭像 3D視覺工坊 發(fā)表于 06-09 09:27 ?1563次閱讀
      VPS、GPS與SLAM的區(qū)別與聯(lián)系

      從雙目標定到立體匹配：Python實踐指南

      obj_points、img_points_left和img_points_right分別是存儲每個....
      的頭像 3D視覺工坊 發(fā)表于 06-08 16:28 ?3220次閱讀
      從雙目標定到立體匹配：Python實踐指南

      從零開始：入門雙目視覺你需要了解的知識

      雙目標定的方法有很多，常用的是基于棋盤格圖案的張氏標定法，它利用多幅不同角度拍攝的棋盤格圖像，通過提....
      的頭像 3D視覺工坊 發(fā)表于 06-06 14:35 ?1480次閱讀
      從零開始：入門雙目視覺你需要了解的知識

      3D曲面重建之移動最小二乘法

      在全局最小二乘擬合中，我們假設(shè)整個域中都可以用一個單一的多項式精確地描述數(shù)據(jù)所代表的函數(shù)。但是，對于....
      的頭像 3D視覺工坊 發(fā)表于 06-06 14:33 ?1227次閱讀
      3D曲面重建之移動最小二乘法

      在城市地區(qū)使用低等級IMU的單目視覺慣性車輪里程計

      受簡化慣性傳感器系統(tǒng)（RISS）[23]的啟發(fā)，我們開發(fā)了視覺慣性車輪里程計（VIWO）。具體而言，....
      的頭像 3D視覺工坊 發(fā)表于 06-06 14:30 ?2034次閱讀
      在城市地區(qū)使用低等級IMU的單目視覺慣性車輪里程計

      Co-SLAM: 聯(lián)合坐標和稀疏參數(shù)編碼的神經(jīng)實時SLAM

      基于坐標的網(wǎng)絡(luò)將輸入點坐標嵌入到高維空間，使用正弦或其他頻率嵌入，使它們能夠捕捉高頻細節(jié)，這對高保真....
      的頭像 3D視覺工坊 發(fā)表于 06-02 16:39 ?3450次閱讀
      Co-SLAM: 聯(lián)合坐標和稀疏參數(shù)編碼的神經(jīng)實時SLAM

      Wheel-SLAM：低成本輪式IMU的SLAM系統(tǒng)

      移動機器人需要一種對環(huán)境干擾具有魯棒性的可靠位姿估計器，為此，慣性測量單元（IMU）發(fā)揮了重要作用，....
      的頭像 3D視覺工坊 發(fā)表于 06-02 14:55 ?1464次閱讀
      Wheel-SLAM：低成本輪式IMU的SLAM系統(tǒng)

      HighLight：視覺重定位，同等精度下速度提升300倍

      與以往基于學(xué)習(xí)的視覺定位算法的區(qū)別在于：以前的方法往往需要數(shù)小時或數(shù)天的訓(xùn)練，而且每個新場景都需要再....
      的頭像 3D視覺工坊 發(fā)表于 06-01 14:38 ?857次閱讀
      HighLight：視覺重定位，同等精度下速度提升300倍

      如何學(xué)習(xí)相機模型與標定？

      相機標定是通過輸入帶有標定patter的標定板來獲得相機參數(shù)的一個過程。實際的光學(xué)成像是一套非常復(fù)雜....
      的頭像 3D視覺工坊 發(fā)表于 06-01 14:36 ?1044次閱讀
      如何學(xué)習(xí)相機模型與標定？

      經(jīng)典的濾波算法：Madgwick濾波算法

      Madgwick算法與Mahony算法相比，最大的不同之處是如何對待加速度計估計的誤差。Mahony....
      的頭像 3D視覺工坊 發(fā)表于 05-31 11:12 ?4530次閱讀
      經(jīng)典的濾波算法：Madgwick濾波算法

      Kalman濾波通俗理解+實際應(yīng)用

      卡爾曼濾波是一種利用線性系統(tǒng)狀態(tài)方程，通過系統(tǒng)輸入輸出觀測數(shù)據(jù)，對系統(tǒng)狀態(tài)進行最優(yōu)估計的算法。
      的頭像 3D視覺工坊 發(fā)表于 05-30 09:20 ?1932次閱讀
      Kalman濾波通俗理解+實際應(yīng)用

      利用NeRF訓(xùn)練深度立體網(wǎng)絡(luò)的創(chuàng)新流程

      ? 本文提出了一種新的深度立體網(wǎng)絡(luò)訓(xùn)練框架，可以從使用單個手持相機拍攝的圖像序列中生成立體訓(xùn)練數(shù)據(jù)。....
      的頭像 3D視覺工坊 發(fā)表于 05-29 10:49 ?1375次閱讀
      利用NeRF訓(xùn)練深度立體網(wǎng)絡(luò)的創(chuàng)新流程

      徹底搞懂基于Open3D的點云處理教程！

      面向點云處理領(lǐng)域的基礎(chǔ)工具課，主要以Python為編程主要語言，介紹Open3D庫的使用方法。課程特....
      的頭像 3D視覺工坊 發(fā)表于 05-29 09:49 ?6443次閱讀
      徹底搞懂基于Open3D的點云處理教程！

      一種端到端的立體深度感知系統(tǒng)的設(shè)計

      ? ? 本文提出了一種生產(chǎn)化的端到端立體深度感知系統(tǒng)設(shè)計，可以完成預(yù)處理、在線立體校正和立體深度估計....
      的頭像 3D視覺工坊 發(fā)表于 05-26 16:12 ?1029次閱讀
      一種端到端的立體深度感知系統(tǒng)的設(shè)計

      大模型時代下，普通科研人怎么辦？

      所以，這篇arXiv的論文提出了一個簡單而有效的基于SAM大模型的視聽定位和分割框架，即AV-SAM....
      的頭像 3D視覺工坊 發(fā)表于 05-24 16:00 ?941次閱讀
      大模型時代下，普通科研人怎么辦？

      SDMNet：大規(guī)模激光雷達點云配準的稀疏到稠密匹配網(wǎng)絡(luò)

      為了處理上述的問題，我們提出了SDMNet，一種新的由稀疏到密集的針對大規(guī)模室外點云的配準方法。稀疏....
      的頭像 3D視覺工坊 發(fā)表于 05-24 15:53 ?1648次閱讀
      SDMNet：大規(guī)模激光雷達點云配準的稀疏到稠密匹配網(wǎng)絡(luò)

      深度相機是如何標定的？

      常見的消費級RGB-D相機具有粗略的內(nèi)參和外參校準數(shù)據(jù)的，通常無法滿足許多機器人應(yīng)用所需的精度要求。
      的頭像 3D視覺工坊 發(fā)表于 05-23 09:28 ?2156次閱讀
      深度相機是如何標定的？

      基于自動駕駛車輛新型的視覺語義定位算法

      ? 摘要 高度精確且魯棒的定位能力對于城市場景中自動駕駛車輛（AVs）至關(guān)重要。傳統(tǒng)的基于視覺的方法....
      的頭像 3D視覺工坊 發(fā)表于 05-22 11:42 ?1067次閱讀
      基于自動駕駛車輛新型的視覺語義定位算法

      城市場景中自動駕駛車輛基于高精度地圖的視覺語義定位

      城市場景中具有各種復(fù)雜的道路條件，例如城市峽谷、隧道、高架等，這使得AVs定位更具有挑戰(zhàn)性。為了在該....
      的頭像 3D視覺工坊 發(fā)表于 05-22 11:38 ?1213次閱讀
      城市場景中自動駕駛車輛基于高精度地圖的視覺語義定位

      Mahony算法常見的姿態(tài)融合算法

      首先要指出的是，Mahony算法假設(shè)加速度計測量的加速度完全由重力提供，即物體本體運動產(chǎn)生的加速度可....
      的頭像 3D視覺工坊 發(fā)表于 05-22 09:22 ?3424次閱讀
      Mahony算法常見的姿態(tài)融合算法

      IMU姿態(tài)濾波算法——Mahony算法：原理與代碼

      首先要指出的是，Mahony算法假設(shè)加速度計測量的加速度完全由重力提供，即物體本體運動產(chǎn)生的加速度可....
      的頭像 3D視覺工坊 發(fā)表于 05-22 09:18 ?6094次閱讀
      IMU姿態(tài)濾波算法——Mahony算法：原理與代碼

      持續(xù)在榜的RAFT-Stereo，你確定不來了解嗎？

      給定一對矯正后的圖像(IL, IR)，目標是估計一個視差場d，使每個IL中的像素都有水平的位移。與R....
      的頭像 3D視覺工坊 發(fā)表于 05-19 09:24 ?1377次閱讀
      持續(xù)在榜的RAFT-Stereo，你確定不來了解嗎？

      最新3D表征自監(jiān)督學(xué)習(xí)+對比學(xué)習(xí)：FAC

      第二個是我們防止 3D 片段/對象之間的過度判別，并通過 Siamese 對應(yīng)網(wǎng)絡(luò)中的自適應(yīng)特征學(xué)習(xí)....
      的頭像 3D視覺工坊 發(fā)表于 05-17 09:28 ?1214次閱讀
      最新3D表征自監(jiān)督學(xué)習(xí)+對比學(xué)習(xí)：FAC

      CREStereo立體匹配算法總結(jié)

      立體匹配是計算機視覺的重要領(lǐng)域，通過給定一對經(jīng)過校正的圖像，計算對應(yīng)像素之間的位移，即視差。
      的頭像 3D視覺工坊 發(fā)表于 05-16 09:05 ?2892次閱讀
      CREStereo立體匹配算法總結(jié)

      相機標定，你還沒讀過張正友標定法嗎？

      本文的研究背景是建立在攝像機校準技術(shù)的基礎(chǔ)上，提出了一種新的技術(shù)，在不需要高昂成本設(shè)備（如正交平面）....
      的頭像 3D視覺工坊 發(fā)表于 05-15 15:54 ?1602次閱讀
      相機標定，你還沒讀過張正友標定法嗎？

      SEDNet：視差和不確定性聯(lián)合評估的新方法

      立體匹配網(wǎng)絡(luò)在一種稱為成本體積（cost volume）的體積上運行，該體積在每個像素處匯聚每個可能....
      的頭像 3D視覺工坊 發(fā)表于 05-15 15:12 ?1122次閱讀
      SEDNet：視差和不確定性聯(lián)合評估的新方法

      DLNR還沒來，先看EAI-stereo!

      立體匹配領(lǐng)域中的數(shù)據(jù)驅(qū)動方法占據(jù)了主導(dǎo)地位。為了提高準確性，許多研究者采用了3D卷積和金字塔結(jié)構(gòu)。為....
      的頭像 3D視覺工坊 發(fā)表于 05-12 16:20 ?889次閱讀
      DLNR還沒來，先看EAI-stereo!

      雜談光場相機的不足、優(yōu)勢、應(yīng)用和展望（中）

      盡管光場相機的空間分辨率較低，但是這一問題，有望隨著感光芯片的技術(shù)進步而解決。機器閱讀并去理解圖像，....
      的頭像 3D視覺工坊 發(fā)表于 05-10 14:29 ?2206次閱讀
      雜談光場相機的不足、優(yōu)勢、應(yīng)用和展望（中）

      如何實現(xiàn)面向三維點云的信息豐富的旋轉(zhuǎn)不變特征

      其中表示旋轉(zhuǎn)矩陣，表示平移向量， 是殘差誤差。在實踐中，由于這個問題的非凸性，同時找到對應(yīng)關(guān)系和估計....
      的頭像 3D視覺工坊 發(fā)表于 05-10 11:42 ?984次閱讀
      如何實現(xiàn)面向三維點云的信息豐富的旋轉(zhuǎn)不變特征