跳到正文
热点事件持续更新

提出置信度加权事件相机LiDAR地图定位方法

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Panagiotis Kiousis 等提出 CELL 方法，通过可微分概率 PnP 端到端学习逐对应点置信度，把事件相机在 LiDAR 地图中的定位转为置信度加权的位姿估计。该置信度用于重加权光流监督、测试时概率化对应点选择与边缘匹配精化，并引入部分补全深度表示。 在 M3ED 和 DSEC 数据集上，作者称完整系统相比 LEAR 基线在多数评测序列中将中位平移误差降低最多 26.9%、中位旋转误差降低最多 15.8%。论文已投稿 IEEE ICRA 2027，正在评审中。

AI 根据报道生成 · 3 小时前更新

最新进展10月9日 12:00
CELL：在 LiDAR 地图中学习置信度加权的事件相机定位

报道时间线

沿着报道，了解事件的不同侧面。

10月9日
  1. arXiv cs.RO 机器人学
    CELL：在 LiDAR 地图中学习置信度加权的事件相机定位

    CELL 通过可微分概率 PnP 端到端学习逐对应点置信度，将事件相机在 LiDAR 地图中的定位转化为置信度加权的位姿估计。该置信度用于重加权光流监督、测试时概率化对应点选择与边缘匹配精化，并引入部分补全深度表示。在 M3ED 和 DSEC 数据集上，完整系统相比 LEAR 基线在多数序列上将中位平移误差降低最多 26.9%、中位旋转误差降低最多 15.8%。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月9日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。