00:00 / 08:29
连播
清屏
智能
倍速
点赞20
00:00 / 00:56
连播
清屏
智能
倍速
点赞687
00:00 / 01:20
连播
清屏
智能
倍速
点赞13
00:00 / 07:49
连播
清屏
智能
倍速
点赞4
00:00 / 10:23
连播
清屏
智能
倍速
点赞2844
00:00 / 04:11
连播
清屏
智能
倍速
点赞4
00:00 / 02:13
连播
清屏
智能
倍速
点赞4
00:00 / 06:57
连播
清屏
智能
倍速
点赞10
00:00 / 00:14
连播
清屏
智能
倍速
点赞377
大几何和时间变化下的三维点云配准的时空基准 建立人造空间的三维几何地图是一个成熟而活跃的领域,它是许多计算机视觉和机器人应用的基础。然而,考虑到建成环境的不断演变的特性,有必要对当前制图工作在处理时间变化方面的能力提出质疑。除此之外,创建时空地图的能力对于实现可持续性和循环性目标具有重要的潜力。现有的建图方法主要关注微小的变化,例如普通生活空间中的物体重定位或室外空间中的自动驾驶汽车操作;所有场景主体结构保持固定的情况。因此,这些方法无法解决建筑环境结构上更根本的变化,例如几何和拓扑结构上的变化。为了促进这方面的进展,我们引入了Nothing Stands Still ( NSS )基准,该基准侧重于对发生较大时空变化的三维场景进行时空配准,最终生成一张连贯的时空地图。具体来说,该基准涉及在同一坐标系内注册两个或多个来自同一场景但从不同时空视图捕获的部分三维点云(碎片)。除了成对配准的标准任务外,我们还评估了属于同一室内环境的多个片段和任一时间节点的多路径配准。作为NSS的一部分,我们介绍了一个在正在建造或翻新的大型建筑室内环境中反复捕获的三维点云数据集。NSS基准提出了3种难度增加的场景,目标是量化点云配准方法在空间(一幢建筑物内和建筑物间)和时间上的泛化能力。我们在所有任务和场景中对NSS的最先进方法进行了广泛的评估。这些结果清楚地表明,有必要专门设计新的方法来处理大的时空变化。#基准该基准侧
00:00 / 00:53
连播
清屏
智能
倍速
点赞88
00:00 / 01:49
连播
清屏
智能
倍速
点赞47
00:00 / 00:22
连播
清屏
智能
倍速
点赞9877
00:00 / 13:22
连播
清屏
智能
倍速
点赞0