受控研究:动态点滤波仅在高动态场景有效
热点事件持续更新
受控研究:动态点滤波仅在高动态场景有效
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Zekui Xue 等研究者在合成室内序列上对 ORB-SLAM2 的动态点滤波做了受控研究,720 次运行的结果显示,光流加对极残差滤除(FLOW)与多视角深度一致性滤除(GEOM)主要在动态水平最高的场景中带来帮助;在纹理最低的水平下,滤除反而降低了跟踪完整度。 研究沿相同相机轨迹渲染 24 条序列,以 4 级纹理(FAST 角点密度与图像梯度熵量化)和 3 级动态因子化变化,对比不加滤除、FLOW 与 GEOM 三种前端配置,报告轨迹误差、跟踪完整度与存留静态特征,代码与数据集开源。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
ORB-SLAM2 动态点滤除在低纹理合成室内场景中的受控研究报道时间线
沿着报道,了解事件的不同侧面。
10月9日
- arXiv cs.RO 机器人学ORB-SLAM2 动态点滤除在低纹理合成室内场景中的受控研究
论文在合成室内序列上以 4 级纹理(FAST 角点密度与图像梯度熵量化)和 3 级动态因子化变化、沿相同相机轨迹渲染 24 条序列,对比 ORB-SLAM2 不加滤除、光流加对极残差滤除(FLOW)与多视角深度一致性滤除(GEOM),共 720 次运行并报告轨迹误差、跟踪完整度与存留静态特征。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。