V
主页
R3LIVE++:一个实时鲁棒的紧耦合激光雷达-惯性-视觉融合框架
发布人
论文链接:https://arxiv.org/abs/2209.03666 代码链接:http://github.com/hku-mars/r3live SLAM对于自主机器人(例如,自动驾驶汽车、无人驾驶飞机)、3D绘图系统和AR/VR应用程序至关重要。这项工作提出了一种称为R3LIVE++的新型激光雷达惯性视觉融合框架,以实现鲁棒和精确的状态估计,同时动态重建辐射地图。R3LIVE++包括激光雷达惯性里程表(LIO)和视觉惯性里程表,两者均实时运行。LIO子系统利用激光雷达的测量值重建几何结构(即3D点的位置),而VIO子系统同时从输入图像中恢复几何结构的辐射信息。R3LIVE++是在R3LIVE的基础上开发的,通过考虑相机光度校准(例如非线性响应函数和镜头渐晕)和相机曝光时间的在线估计,进一步提高了定位和绘图的准确性。论文在公共和私有数据集上进行了更广泛的实验,以将提议的系统与其它最先进的SLAM系统进行比较。定量和定性结果表明,本文提出的系统在准确性和鲁棒性方面都比其他系统有显著改进!
打开封面
下载高清视频
观看高清视频
视频下载器
醍醐灌顶!如何快速上手激光雷达-惯导标定?
Nerf+SLAM会擦出什么样的火花?
激光雷达3D目标检测算法有哪些?怎么分类的?
地平线最新!DynStatF:用于激光雷达点云 3D 目标检测的高效特征融合策略
纯视觉/多传感器融合方案!BEV感知方法分类
毫米波雷达视觉算法CRAFT,这次彻底理解了!
【地平线×自动驾驶之心】在线高精矢量化地图构建SOTA方案MapTR v1/v2、LaneGAP
从0到1!彻底搞懂BEVFormer算法原理
多传感器融合!BEV感知融合算法介绍
大火的BEVFusion算法详解
麻省理工开源!LidarDM: 生成逼真、合理连贯的激光雷达点云数据
CUDA编程实战教程之:流和事件!彻底搞懂~
冠军分享!QCNeXt:面向下一代多智能体联合轨迹预测新框架(CVPRW2023)
地平线最新SOTA!Sparse4D:迈向长时序稀疏化3D目标检测的新实践
World Model!世界模型,迈向自主机器智能时代!城市场景下的世界模型算法—MILE
BEVPool是什么?实际工程应用中如何加速!!!深度解析
自动驾驶多传感器数据融合(3):单目标跟踪算法
南洋理工大学博士分享!规模化可学习与交互式的自动驾驶决策系统如何构建?
自动驾驶汽车是如何在高精地图中建立精确位置的?
自动驾驶中的激光雷达点云分割-part2
超详细!BEV感知算法的应用介绍
【全网首讲】大佬开讲:我们是否走在开环端到端自动驾驶正确的道路上?
为自动驾驶构建城市规模的神经辐射场
ECCV2024 | 训练45秒,渲染300+FPS!MVSGaussian:高效且可泛化的混合高斯渲染方法
VastGaussian:首个基于3D Gaussian Splatting的大场景高质量重建和实时渲染方法
速度快!MobileNeRF:移动端实时渲染方案,Nerf导出Mesh
彻底搞懂!CUDA编程之:如何安装Nsight system及compute
端到端模型上车了!GraphAD:国内首个可实车量产部署的端到端建模范式
轨迹预测到底预测个啥???轨迹预测入门必备!
ICLR'24无图新思路!LaneSegNet:基于车道分段感知的地图学习(实时推理+三项SOTA)
GPT-4V与自动驾驶更配?GPT-4V在自动驾驶中的早期探索!
牛的!大佬是如何几分钟聊透时空联合规划框架的?
自动驾驶仿真框架CARLA教程(3):Car Agent强化学习环境
数据为王!自动驾驶开源数据体系现状与未来
特斯拉的World Model是什么?怎么做端到端训练?
大牛带你彻底搞懂UltraFastLane车道线检测算法(一)
香港理工最新 !SLAMesh:激光雷达传感器的SLAM系统,实时构建和利用网格
最新,语义分割三十年!基础与前沿进展!
自动驾驶规控工程师必备技能点!Coupling Trajectory Planning是个啥?
没有BEV特征如何做BEV感知?(旷视团队分享PETRv2/StreamPETR/CMT等SOTA方案)