社团发现代码 matlab 小障碍发现 冯雪创作 "" 的官方 Matlab 实现，ICRA 2019 介绍 该存储库包含“用于微小障碍物发现的新型多层框架”的官方 Matlab 实现。 这篇论文已被 IEEE 机器人与自动化国际会议 (ICRA) 2019 接受。 Python/ROS 的官方实现即将推出。 注：此版本在原作的基础上略有改进，主要包括以下几点： 训练代码略有改动，ROC 性能有所提升。 为了提高效率，基本边缘检测算法使用结构化边缘检测[1]。 系统中的模块在很大程度上得到了加速，尽管仍有很大的改进空间。 为了与社区中的其他工作保持一致，在实例级评估中，IoU 被定义为预测提议和真实边界框之间的交集，可以在./evaluation/Func_evaluation_DR.m找到 引文 如果你觉得这篇论文或代码有用，请引用我们的论文： @INPROCEEDINGS{Xue_ICRA_2019, Author = {Feng Xue, Anlong Ming, Menghan Zhou and Yu Zhou}, booktitle={2019 International C

虚拟现实技术顶级会议论文关于SLAM论文集合。主要会议ICRA和CVPR。

Abstract— Visual-inertial SLAM (VI-SLAM) requires a good initial estimation of the initial velocity, orientation with respect to gravity and gyroscope and accelerometer biases. In this paper we build on the initialization method proposed by Martinelli [1] and extended by Kaiser et al. [2], modifying it to be more general and efficient. We improve accuracy with several rounds of visual-inertial bundle adjustment, and robustify the method with novel observability and consensus tests, that discard erroneous solutions. Our results on the EuRoC dataset show that, while the original method produces scale errors up to 156%, our method is able to consistently initialize in less than two seconds with scale errors around 5%, which can be further reduced to less than 1% performing visual-inertial bundle adjustment after ten seconds

ICRA 2019-2021 IROS 2019-2021

深度完成的多模态深度汇聚网络 这是MDANet（ICRA 2021）的官方PyTorch实施，MDANet是用于深度完成的有效网络。 介绍 深度补全旨在分别从稀疏深度数据和RGB图像中恢复密集深度图。 然而，由于多模态信号输入之间的巨大差异，香草卷积神经网络和简单的融合策略无法从稀疏数据中提取特征并有效地汇总多模态信息。 为了解决这个问题，我们设计了一种新颖的网络体系结构，该体系结构充分利用了多模式功能来进行深度完成。 首先提出了一种有效的预完成算法，以提高输入深度图的密度并提供先验分布。 此外，为了有效融合图像特征和深度特征，我们提出了一种多模式深度聚集块，该块由多个连接和聚集路径组成，以实现更深层融合。 此外，基于直觉语义图像特征有利于准确轮廓的直觉，我们引入了可变形的引导融合层来指导密集深度图的生成。 最终的架构称为MDANet，其性能优于流行的KITTI深度完成基准测试中的所有最新

ICRA RoboMaster AI Challenge 2020仿真器 该存储库是由西北工业大学萤火虫团队创建的2020 DJI ICRA Robomaster AI挑战赛的仿真器。 介绍 根据2020年ICRA RoboMaster AI挑战赛的规则，我们建立了一个基于Gazebo的仿真平台，该平台可以模拟真实的Robomaster AI机器人场景。 我们构建的仿真平台具有以下功能： 在2020年的新竞赛规则中增加了对废弃相机的支持。 用户可以获得安装在场地四个角落的废弃摄像机的图像，并可以自定义摄像机的姿势和摄像机内部参数。 此功能为开发与相机相关的算法提供了便利，例如，它可以提供机器人在现场的姿势的真实情况，以评估基于外置相机的机器人定位算法的准确性； 将真实机器人的完整SolidWorks模型导入凉亭，并对装甲板，尾灯等进行着色，这可以为仿真过程中的视觉测试模块提供基础，并

行人检测代码 VS编译通过 Real-Time Human Detection Using Contour Cues论文的源代码

2019年ICRA论文集