在KITTI数据集中，序列00以初始速度0开始。
CT-ICP的原理是使用灵活鲁棒的轨迹表达方式，在扫描数据内部保持姿态的连续性，在扫描之间保持姿态的不连续性，以增强对传感器高频运动的鲁棒性。...* 基于稀疏体素结构的稠密点云局部地图，以实现实时处理速度。 * 在行驶和高频运动场景下进行的大规模实验，所有实验都可通过公开和宽松的开源代码进行复现。...这在快速定位变化的数据集中特别成问题，针对这些类型的数据集，我们引入了一个鲁棒性配置，用于检测困难情况（快速定位变化）和配准失败（位置不一致或大量新关键点落入空体素），并尝试使用更保守的参数对当前扫描进行新的配准...实验 从表I可以看出，在使用经校正的扫描数据集（KITTI-corrected）时，所有方法的结果非常接近，然而，当我们使用未校正的扫描数据（KITTI-raw和KITTI-360）时，所有其他方法的性能大幅下降...表II显示了每个数据集序列的结果，首先注意到在KITTI-raw、KITTI-360和ParisLuco上，环路闭合后ATE有了显著改善；尤其是在KITTI-360上，因为该序列更长，然而，在KITTI-CARLA
相机以20 Hz的速度运行，IMU输出100 Hz的高分辨率传感器测量值。 手动为两个独立的时间段将常数相机-IMU位移注入到原始固定的外参中，并使系统在一个矩形城市街区环境中运行。...我们使用KITTI数据集中的两个类别的六个不同序列，包括城市轨迹和道路数据。...我们的监测系统在SLAM阶段开始时连续输出高Sampson误差值，并立即触发，以提醒系统重新校准相机IMU外参。...为了模拟重新校准，位移在80个关键帧内逐渐减小到0用于KITTI序列2011_09_30_drive_0018，直到外参完全重新校准，并在SLAM流程的其余部分保持接近零。...对于KITTI序列2011_10_03_drive_0027也是一样的情况。与相机轨迹有常数“大”位移的情况相比，该方法有助于生成更接近地面真实的轨迹，考虑到初始校准误差。
整个数据集由389对立体图像和光流图，39.2 km视觉测距序列以及超过200k 3D标注物体的图像组成[1] ，以10Hz的频率采样及同步。...以Object detection为例，下图是Object Detection Evaluation 2012标准数据集中left color images文件的目录结构，样本分别存储于testing和...在因变量r下，方向相似性s∈[0,1]被定义为所有预测样本与ground truth余弦距离的归一化： 其中D(r)表示在召回率r下所有预测为正样本的集合，∆θ(i) 表示检出物体i的预测角度与ground...数据使用实践 KITTI数据集的标注信息更加丰富，在实际使用中可能只需要一部分字段，或者需要转换成其他数据集的格式。...Fig.9 分别为速度，加速度（排除静止状态）统计直方图；视频序列长度统计直方图；每种场景(e.g., Campus, city)的帧数统计直方图。
图 1 显示了我们的 Mesh-LOAM 在 KITTI 车速数据集上的三角网格图输出示例。 图 1：在 KITTI 测距数据集序列 "00 "上的里程计和建图结果。...表 I 显示，我们的方法取得了很好的结果，在 KITTI 数据集中，平移误差漂移为 0.51%，旋转误差为 0.15 度/100 米。...由于 Hilti 2021 数据集中的大多数序列都提供了 3-DoF 真值位姿，因此我们使用绝对轨迹误差 (ATE) % 作为评估标准。...速度瓶颈主要来自于在点到网格测度步骤中多次搜索正确的点到网格对应关系。利用快速访问的 SDF 地图，我们在数据关联过程中计算相邻网格，以加快速度。不过，这一过程仍会消耗一些时间。...此外还设计了点到网格里程计配准方法，以估计输入点云和重建三角网格之间的位置。在大规模室外数据集上进行了实验，结果表明我们提出的 Mesh-LOAM 能够以较快的速度实现低漂移和高质量的三维重建。
图3：粒子权重计算的处理Pipeline 此外，在极坐标表示中旋转地图相当于索引移动，速度非常快，这是我们在初始化期间利用的一个事实。...图5：地图覆盖在KITTI数据集9、2和0的卫星图像上（从上到下）。还显示了自上而下的分段。数据集9和2由我们的卫星分割网络自动标记。 图6显示了自动检测到收敛后整个数据集的像素位置误差。...通过结合更丰富的语义数据，我们能够在kitti0上以10倍的优势超过文献[29]。...左下角显示了在不使用语义定位的情况下构建的ucity。 5.3 收敛性 我们通过在整个数据集中以偶数间隔开始运行，对UCity、Morgantown和KITTI 0和2数据集进行收敛分析。...我们忽略粒子过滤器在运行结束前未收敛的运行，这发生在数据集中剩余时间小于收敛时间的开始时间。除固定比例情况下正则化项γ加倍外，所有运行均使用相同的参数。
给定一个点云p0 ，通过生成一个合成序列来解决这个问题。具体来说，连续旋转、平移和缩放原始点云以构建点云序列{pt} ： 其中， t是变换的索引，Rt是采样变换，模拟时间视图的变化。...2）对于室外场景： 对KITTI数据集进行预训练。它包括100多个序列，分为6类。对于每个场景，图像和点云以大约10 FPS的速度记录。只使用激光雷达传感器捕获的点云序列。...在区域 1-5 之一上以半监督方式训练预训练或初始化模型。以下性能是在 S3DIS 数据集的区域 6 上评估的。...在微调的同时进一步冻结了骨干模型；结果表明，与从头开始训练的模型相比，具有预训练主干的模型达到了可比的性能。 表 5：在 KITTI 上微调的 3D 对象检测。...对于物理场景，在 KITTI 数据集上预训练 PV -RCNN，并比较使用和不使用自然序列采样输入数据训练的模型。在这两种情况下，时间转换都会带来显着的性能提升。 消融研究：时间变换。
5.4 KITTI跟踪数据集 KITTI跟踪数据集(Geiger et al.(2013))包含21个序列，其中包含关于相机和目标位姿的真值信息。...在之前展示的KITTI数据集的9个序列中，系统观察到的平移和旋转误差都得到了大约15%到20%的改善。详情见表4。...蓝色曲线描述了在KITTI跟踪数据集的03序列中观察了55帧的货车的初始目标速度估计。如图所示，速度估计不平滑，在序列的后半部分出现了较大的误差。...圆圈代表目标的移动速度，与右y轴相对应。GT表示真值, EST.表示估计值。 ? 表3。在KITTI数据集的9个序列上跟踪超过5帧的点的数量。粗体的数字表示更好的结果。...蓝色线条表示初始估计速度，绿色线条表示全局细化后的估计速度，红色为速度真值。 ? 表5。在两个数据集上的不同系统组件的运行时间。每个组件的运行时间是所有帧和序列的用时的平均值。
DSP-SLAM可以在3种不同的输入模式下以每秒10帧的速度工作：单目、立双目或双目+激光雷达。...和Redwood OS数据集的单目RGB序列和KITTI里程计数据集的stereo+LiDAR序列上以几乎帧速率运行，表明它实现了高质量的全对象重建，即使是部分观测，同时保持了一致的全局地图。...检测：我们在每个关键帧执行对象检测，共同推断2D边界框和分割mask,此外，通过检测3D边界盒获得物体姿态估计的初始估计。...当进一步降低到10时，重建质量开始下降。质量下降部位用红色圆圈标记。...，我们在KITTI（双目和双目+激光雷达）等具有挑战性的真实世界数据集上，甚至在单目数据集上，都显示了几乎实时的性能，我们在相机轨迹估计和形状/位姿重建方面与其他方法进行了定量比较，结果显示其性能与最先进的方法相当或更高
以 KITTI-360 数据集中使用两台鱼眼相机和一台针孔相机进行状态估计为例。与使用前置双目相机的 ORB-SLAM3相比，MCVO 展现了更优的性能。 内容概述 A....MultiCamSLAM 方法无法完成 KITTI360 数据集的大部分序列，原因在于 KITTI360 数据集以高速采集，导致大范围的帧间位移。...与同样使用无重叠相机设置的 MultiCamSLAM 相比，MCVO 在不同序列上实现了更优的精度和更好的泛化能力。 图 6 展示了在 KITTI360 数据集 00 序列上的 RPE 结果。...为了进一步定性分析性能，我们在图 7 中绘制了 KITTI360 数据集 00 和 05 序列中不同方法的轨迹。ORB-SLAM3 和 VINS-Fusion 在 00 序列上表现出较大的旋转误差。...其他方法的跟踪时间较短，导致姿态初始化失败。 4. 闭环检测：我们还在 KITTI360 05 序列上进行了闭环检测实验以验证闭环检测的有效性。定性结果如图 8 所示。
k_{\theta}此外，在极坐标表示中旋转地图相当于索引移动，速度非常快，这是我们在初始化期间利用的一个事实。我们在地图道路上随机采样点，因为我们有很强的先验知识，知道我们正在开始一条道路。...通过结合更丰富的语义数据，我们能够在kitti0上以10倍的优势超过文献[29]。...5.3 收敛性我们通过在整个数据集中以偶数间隔开始运行，对UCity、Morgantown和KITTI 0和2数据集进行收敛分析。我们不分析kitti9，因为它相对较短。...我们忽略粒子过滤器在运行结束前未收敛的运行，这发生在数据集中剩余时间小于收敛时间的开始时间。除固定比例情况下正则化项γ加倍外，所有运行均使用相同的参数。...Kim等人[20]和Yan等人[29]在表3中获得了差不多的时间，但无法估计尺度。对于kitti9，由于数据集较短，我们仅从开头就开始。
该策略的优势在于一旦车辆超过某个速度，每一组新采集的全景图像都会触发新的关键帧，从而使控制点在车速较高的直线路段上更加分散，在转弯时则更为集中。...在 KITTI 上的测试：为了进一步测试在自然数据中利用垂直线测量的能力，将该方法应用于 KITTI 基准数据集提供的立体序列，并禁用了旋转轴约束（λ2 = 0）。...合成数据的结果：首先定义了现实的轨迹，这些轨迹直接来自KITTI序列的地面实况轨迹。我们还采用了KITTI平台的内参和外参fp(·)和Tsb。...从 Oxford RobotCar 数据集中选择的序列的样本图像。图像 (a) 至 (c) 显示了序列 1（白天）的左、右和后摄像头的视图。图像 (d) 至 (f) 显示了序列 2（夜间）的视图。...从 Oxford RobotCar 数据集中选择的序列的卫星地图上绘制的 SLAM 系统轨迹。(a) 是序列 1 的轨迹。
这种机制通过根据输入数据定制SSM参数，高效地过滤信息。其次，Mamba采用了一种硬件优化的算法，该算法与序列长度成线性扩展，并使用扫描过程进行循环计算，提高了现代硬件上的速度。...它在包括语言和基因组在内的各种长序列领域中取得了顶级结果，在训练和推理阶段均展示了相当的计算效率。 III Method 以下是III方法部分的开始。...Datasets and Experimental Protocol KITTI[15]数据集以其立体图像序列而闻名，被广泛应用于自监督的单目深度估计。...为了评估MambaDepth在泛化到新的、未见过的图像方面的能力，作者在Make3D数据集上对最初在KITTI数据集上训练的模型进行了零样本评估。此外，还提供了深度图的补充可视化。...Ablation study 在这里，作者探讨了使用KITTI数据集对MambaDepth进行初始化的影响。作者用和不用在ImageNet上预训练的权重来初始化MambaDepth。
同时，它也在KITTI数据集上取得了可以和sota的stereo/LiDAR里程计可比较的结果，以及在EuRoC MAV数据集上和sota的VIO可比较的结果。...然而，传统的单目视觉VO在面对弱纹理区域或快速运动时缺乏鲁棒性。典型的解决方案是引入惯性测量单元（IMU）。但这增加了校准工作，更重要的是，在恒定速度下，IMUs不能在恒定速度下提供度量尺度。...最近的研究开始以一种自监督和无监督的方式来解决这个问题，即使用光度误差来学习深度图[27,28,49,73,81,82,82,86]，并采用可微插值[32]。...位姿能量 与传统的direct-VO方法19,23]使用恒定速度运动模型初始化每个新帧的前端跟踪不同，我们利用连续帧之间的预测位姿来构建非线性因子图[41,47]。...KITTI Odometry KITTI Benchmark包含11(0-10)个序列，提供了ground truth姿态。
随着3D数据变得更容易获得，许多工作最近开始关注点云的场景流估计。...作者最后在FlyingThings3D和KITTI Scene Flow 2015数据集上取得了不错的结果。...（3）迭代场景流估计：迭代流估计从初始化状态f0 = 0开始。随着每次迭代，场景流估计根据当前状态更新：ft+1 = ft + ∆f。最终，序列收敛fT → f。...设计这个流程细化模块的目的是使场景流预测f在3D空间中更加平滑。 实验环节： 实验环节作者在 FlyingThings3D 和 KITTI 数据集上进行了测试。...所有方法都以受监督的方式在FlyingThings3D上进行训练。每个数据集的最佳结果以粗体标记。 图3 FlyingThings3D（上）和 KITTI（下）的定性结果。
图7a和图7b显示了使用Sobel运算符从KITTI数据集中提取的边缘、表面和地面点云的特征分割结果。...KITTI数据集评估 首先评估了在KITTI数据集上使用Sobel算法进行特征分割的鲁棒性。图8a和图8b展示了KITTI数据集序列01和06的特征分割结果，与它们对应的场景的RGB图像进行了比较。...(b) KITTI数据集序列01的姿态估计结果，使用不同的点云组。 图10显示了我们的方法在KITTI数据集的每个序列中使用EGS点云组的结果。平移和旋转误差显示在表1中。...图10 提出方法在KITTI数据集序列（00,02-10）上的结果。蓝线是估计的里程，红线是基于GPS数据的地面实况。 表2显示了我们与之进行比较的每个里程计系统的运行时间和环境。...LOAM、LeGo-LOAM和F-LOAM的运行数据来自KITTI数据集。 为了分析我们方法的计算能力，我们在相同的计算环境中将其与KITTI数据集的05序列上的FLOAM进行了比较。
最后，我们组合并优化了一个位姿图，以进一步提高全局的 SLAM 精度。图 1 显示了 DSV-SLAM 在 KITTI 数据集 [13] 的序列 00 上估计的轨迹和重建环境。...一个 3D 点由表示，其中 p 和 dp 分别是像素坐标和（逆）深度，它们通过Π-1 0反投影到 3D 空间中 图 2：DSV-SLAM 概述：（1）从 Cam0 开始，Monocular VO 估计相机位姿并生成...4.1 KITTI 数据集的评估 KITTI 数据集包含 22 个立体图像序列。前 11 个序列的真值是公开的；而其余的真值则保留用于对 VO 算法进行排名。...KITTI 数据集中具有低相机帧率（10Hz）的快速车辆运动对于直接方法（即 DSO）并不理想。...在 Malaga 数据集上执行 ICP 比在 KITTI 数据集上更频繁，因为直接对齐容易受到亮度变化的影响。
最先进的精度：R-MSFM实现了最先进的性能，在KITTI特征分割测试集上比Monodepth2（4.701）低4.470RMSE。 合理的推理速度。...：R-MSFM在RTX2060GPU上以每秒44帧的速度处理640×192个视频。...它可以灵活地选择更新号，并在速度和精度之间进行权衡，占总更新的一半，以每秒72帧的速度运行，但仍然优于Monodepth2。...3.5 自监督 04实验 我们使用Eigen等人[8]的数据分割来训练和评估我们的模型。在训练之前，我们按照Zhou等人的[46]从训练集中删除静态图像。...将我们的模型与现有的在KITTI特征分割[8]上的方法进行了比较。每个度量的最佳结果以粗体显示，第二个结果用下划线表示。
图9：越野和校园数据集中的地面车辆及其传感平台。 实验结果 1 定位精度 在 KITTI 里程计数据集的水平方向定位中，ROLO - SLAM 的轨迹与真实轨迹高度重合，相比其他方法表现出色。...图10：ROLO与其他里程计框架在KITTI-里程计数据集序列轨迹估计。 图11：此方法与其他方法在越野数据集的轨迹估计。 图12：此方法与其他方法在SDU校园数据集的轨迹估计。...图13：ROLO在KITTI和越野数据集中的 ER和 Et 曲线。每个维度的 ER和 Et分别在子图中展示。...图17：千佛数据集中的HDL-LOAM、LeGO-LOAM和ROLO的建图结果。在（b）-（d）中，顶部图像显示了整体地图，而底部图像展示了侧视图。 图18：千佛数据集中实际坡道情况的建图结果。...在计算效率上，FAST - LIO2 虽高但依赖 IMU，在无 IMU 场景（如 KITTI 序列 00）无法正常工作，而 ROLO - SLAM 仅依靠激光雷达即可实现类似的定位性能。
Ford Campus视觉和激光雷达数据集是从一个自主地面车辆测试平台收集的。这些数据集中的车辆轨迹路径包含几个大尺度和小尺度循环。...在SPP模块中，作者将池化核大小设置为5，并相应地填充序列以保持长度。 作者使用Adam优化器[31]，初始学习率为，并训练OverlapMamba模型20个周期。...训练完成后，作者以5的步长遍历 Query 序列。对于每个遍历的 Query 序列，作者以1的步长迭代所有数据库序列，基于欧几里得距离生成位置识别的 GT 文件。...作者在KITTI数据集（表4）上进行了实验，以进一步验证通过使用ImTrihard损失实现的训练时间成本的降低。...然而，在使用ImTrihard损失的实验中没有观察到性能下降。 损失值的变化在图8中更直观地描绘出来。在KITTI数据集序列00上的评估（b）进一步证明了其收敛能力。
在训练过程开始时，中央服务器从随机或预训练的权重初始化全局模型，并将其与客户端共享。在原始和 Baseline 算法FedAvg中，在通信轮次开始时，随机选择具有指数在中的客户端子集参与该轮次。...在预训练阶段之后而不是随机初始化开始联邦学习，使用服务器上可用的代理数据，也已被证明可以改善全局聚合的稳定性，并缩小与集中式学习的差距，即使数据是异质的[53, 54]。...KITTI中包含一个_DonCare_类别，对应于未标注目标的区域，在作者的实验中被排除，因此数据集中的类别剩下八个。...在训练集中过度代表的6月至8月的新加坡数据，分布在客户机到之间；然而，分配不是基于单个样本，而是通过随机抽样整个数据日志，从而确保基于每个导航序列特定性的最小数据异质性阈值。...偏置组的学习率初始为0.1，其余两组为0，所有学习率在 Warm up 期间逐渐变为0.01，在衰减期间变为0.001。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
云直播
对象存储
腾讯会议
