Con-DSO 用一致性先验改进 RGB-D 稀疏里程计
热点事件观察中
Con-DSO 用一致性先验改进 RGB-D 稀疏里程计
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Haolan Zhang 等提出 RGB-D 直接稀疏里程计框架 Con-DSO，用双分支一致性网络预测像素级光度与几何不确定性，并以解耦的光度-几何加权融入关键帧跟踪。论文称在五个公开 RGB-D 基准上相对直接 RGB-D 里程计基线有一致提升：ICL-NUIM 绝对轨迹误差降低超过 20%，RGB-D Scenes V2、TUM/BONN 和 OpenLORIS 上降低约 50% 至 80%。
AI 根据报道生成 · 1 天前更新
最新进展10月7日 12:00
Con-DSO：学习短时程一致性先验的 RGB-D 直接稀疏里程计报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.RO 机器人学Con-DSO：学习短时程一致性先验的 RGB-D 直接稀疏里程计
Con-DSO 提出一种一致性感知的 RGB-D 直接稀疏里程计框架，通过双分支一致性网络预测像素级光度与几何不确定性，并以解耦的光度-几何加权方案融入关键帧跟踪。在五个公开 RGB-D 基准上，其绝对轨迹误差在 ICL-NUIM 上降低超过 20%，在 RGB-D Scenes V2、TUM/BONN 和 OpenLORIS 上降低约 50% 至 80%。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1010月7日 13:00
- 近 24 小时变化
- -50%
02.557.510
18:0010月8日06:0012:0018:00
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。