论文集

本文提出了一种空中到地面特征聚合策略，通过结合空中视图和地面信息，并引入新的损失函数，显著提高了跨视角定位的精度，特别是在初始姿态不准确时，能够有效减少平移和姿态误差。文章发表在计算机视觉顶级会议 CVPR2024。

这篇论文提出了一种将视觉SLAM与地面到卫星（G2S）图像配准融合的定位框架，通过粗到细筛选和轨迹迭代融合，显著提升了无人驾驶中的定位精度和鲁棒性。文章发表在机器人顶级会议 ICRA2024。

这篇论文提出了一种细粒度自定位方法，利用灵活数量的机载摄像头和卫星图像，解决了现有跨视角定位方法在动态环境中的噪声问题。通过检测一致的关键点、深度特征和消除地面外物体，该方法在KITTI和Ford Multi-AV数据集上超越了现有的SOTA方法，显著提高了定位精度。文章发表在计算机视觉顶级会议 ICCV2023。

这篇论文提出了HomoFusion模块，通过利用时间相邻的视频帧和像素级注意力机制，解决了道路标线遮挡问题，显著提升了准确性和速度，同时减少了计算复杂度，并在水坑分割任务中也取得了SOTA表现。文章发表在计算机视觉顶级会议 ICCV2023。

这篇论文提出了一种新型的跨视角定位方法，通过使用高分辨率卫星图像和改进的特征提取与优化策略，实现了高精度的车辆定位，验证结果显示空间误差和角度误差分别低于1米和1°。文章发表在机器人顶级会议 ICRA2023。

这篇文章提出了一种高效的算法，通过选择固定数量的锚点最小化SLAM解的估计误差，并通过贪婪方法解决子模优化问题。实验结果证明该方法在公开数据集和实际应用中具有高效性和有效性。文章发表在机器人顶级期刊 TR-O 2021。

这篇论文讨论了在可变形环境中使用点特征进行SLAM的挑战，提出了针对静态环境中点特征SLAM的扩展，包括基于优化的离线SLAM和基于滤波的在线SLAM。文章发表在机器人顶级会议 IROS2021。