发表评论取消回复
相关阅读
相关 论文笔记_S2D.63_2020-ICRA_LiStereo:从雷达和双目立体图像生成稠密深度图
目录 基本情况 摘要 背景与贡献 算法流程 主要结果 参考 -------------------- 基本情况 出处:Zhang J, Ramana
相关 论文笔记_S2D.47_2017-ICRA_SemanticFusion(语义融合):采用卷积神经网络CNN的稠密3D语义建图
基本情况 题目:SemanticFusion: Dense 3D Semantic Mapping with Convolutional Neural Networ
相关 论文笔记_S2D.36_2017-CVPR_CNN-SLAM: 实时稠密单目SLAM与学习深度预测
目录 基本情况 摘要 1 介绍 2 相关工作 SLAM 单视图深度预测 3 提出的单目语义SLAM 3.1 相机位姿估计 3.2 基于CNN的深度预测与语义分
相关 论文笔记_S2D.28_2014-ICRA_REMODE:概率单目实时稠密重建
基本情况 题目:Probabilistic, Monocular Dense Reconstruction in Real Time 出处:Pizzoli,
相关 论文笔记_S2D.25_2007-ACM-ISMAR-小型AR环境的并行跟踪和建图
目录 基本情况 摘要 1.简介 2.SLAM方法概述 3.相关工作 4.地图 5.跟踪 5.1图像获取 5.2相机姿势和投影 5.3块搜索 5.4位姿更新
相关 论文笔记_S2D.23_2011-ICCV_DTAM: 稠密的实时跟踪和建图
基本情况 引用:R. A. Newcombe, S. J. Lovegrove, and A. J. Davison, “DTAM: Dense tracking
相关 论文笔记总结_S2D_从稀疏到稠密
1. [2018-ICRA\_稀疏到稠密:从稀疏深度样本+单一图像的深度预测][2018-ICRA] 以下4篇为传统方法: 2. [2013-CVPR
相关 论文笔记_S2D.03-2012-BMVC-目标类别分割和稠密立体重建的联合优化
基本情况 题目:Joint optimization for object class segmentation and dense stereo reconstr
相关 S2D_基于深度学习的视觉稠密建图和定位_相关文章
随着深度学习的快速发展,视觉稠密建图和定位技术从传统的基于手工特征点的检测、匹配加之数值优化,发展到现在的基于深度神经网络的特征检测、匹配和学习优化(Learning to O
相关 论文笔记_S2D.70_2021_IEEE-RAL_CodeMapping:使用紧凑场景表示的稀疏SLAM的实时稠密建图
基本情况 题目:CodeMapping: Real-Time Dense Mapping for Sparse SLAM using Compact Scene R
还没有评论,来说两句吧...