.png){kind=icon}
返回
A Guide to Structureless Visual Localization
.png){kind=icon}
OA
AI
DOI：10.1007/s11263-026-02780-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视觉定位算法，即估计查询图像在已知场景中相机位姿的方法，是许多应用的核心组件，包括自动驾驶汽车和增强/混合现实系统。当前先进的视觉定位算法是基于结构的，即它们存储场景的3D模型，并利用查询图像与模型中3D点之间的2D-3D对应关系进行相机位姿估计。虽然这些方法精度很高，但在场景变化后调整底层3D模型时灵活性较差。无结构定位方法将场景表示为具有已知位姿的图像数据库，从而提供了一种更灵活的表示方式，可以通过添加或删除图像轻松更新。尽管关于基于结构的方法的文献很多，但关于无结构方法的研究工作要少得多。因此，本文致力于提供，据我们所知，首次对无结构方法进行全面讨论和比较。广泛的实验表明，使用更高程度经典几何推理的方法通常能达到更高的位姿精度。特别是，基于经典绝对或半广义相对位姿估计的方法明显优于基于位姿回归的最新方法。与当前先进的基于结构的方法相比，无结构方法的灵活性是以（略微）降低的位姿精度为代价的，这表明了未来工作的一个有趣方向。
Keyword:
Visual Localization
Pose Regression
Pose Triangulation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
9.3
论文数:
3.9K
被引数:
2.8W
机构
引用论文
.png){kind=icon}
Image Geo-Localization Based on MultipleNearest Neighbor Feature Matching UsingGeneralized GraphsOAAI
OAAI分享收藏Leveraging 3D City Models for Rotation Invariant Place-of-Interest Recognition利用3D城市模型进行旋转不变的兴趣地点识别
PREAI
分享收藏分享收藏RANDOM SAMPLE CONSENSUS - A PARADIGM FOR MODEL-FITTING WITH APPLICATIONS TO IMAGE-ANALYSIS AND AUTOMATED CARTOGRAPHY随机样本共识-模型拟合的范例，可应用于图像分析和自动制图
OAAI
OAAI分享收藏
查看更多内容