题目：Physical3DAdversarialAttacksagainstMonocularDepthEstimationinAutonomousDriving作者：JunhaoZheng,ChenhaoLin*,JiahaoSun,ZhengyuZhao,QianLi,ChaoShen*单位：Xi’anJiaotongUniversity收录：CVPR2024论文：[Physical3DAdversarialAttacks

smoke参考https://zhuanlan.zhihu.com/p/452676265monodle通过大量密集实验（逐步用gt替换预测值测试），localizationerror是3d检测的关键。提出三点策略：1.重新思考了2d中心和3d中心的不对齐影响（用3dcenter替换2dcenter能提高性能，且2d检测能作为辅助任务帮助3d检测）2.去除较远

OFTOrthographicFeatureTransformforMonocular3DObjectDetectionOFTOrthographicFeatureTransformforMonocular3DObjectDetection时间：18.11机构：UniversityofCambridgeTL;DR当时纯视觉自动驾驶方案效果上仅达到Lidar方案有10%的水平，本文claim部分差距源于pe

QualitativeResults如下图所示:  

Featurebackbone采用DLA,输入维度为3×H×W的RGB图,得到维度D×h×w的特征图F,然后将特征图送入几个轻量级regressionheads,2Dboudingboxes的中心特征图用下面的模块得到:其中AN是AttentiveNormalization.用公式表示:类似的,2D和3Dboudingboxes的中心之间的offset用公

摘要：准确的状态估计是各种智能应用的基本模块，例如机器人导航、自动驾驶、虚拟和增强现实。近年来，视觉和惯性融合是一种流行的技术，用于6自由度状态估计。不同传感器测量记录的时间点对于系统的鲁棒性和准确性非常重要。实际上，每个传感器的时间戳通常会受到触发和传输延迟的影响，导

摘要：本文介绍了一种单目视觉惯性系统（VINS），用于在各种环境中进行状态估计。单目相机和低成本惯性测量单元(IMU)构成了六自由度状态估计的最小传感器套件。我们的算法通过有界滑动窗口迭代地优化视觉和惯性测量，以实现精确的状态估计。视觉结构是通过滑动窗口中的关键帧来维护的，而惯性

如何编译？1、代码下载；gitclonehttps://github.com/UZ-SLAMLab/ORB_SLAM3或者gitclonehttps://github.com/electech6/ORB_SLAM3_detailed_comments2、按照里面的README.md进行环境安装和编译；安装和编译过程中可能会出现的问题：1）提示找不到GLEW解决方法：sudoaptinstallli

注：刚入门depthestimation，这也是以后的主要研究方向，欢迎同一个方向的加入QQ群(602708168)交流。1.论文简介论文题目：RA-Depth:ResolutionAdaptiveSelf-SupervisedM

摘要-近年来，在视觉里程计技术中有许多优秀的作品，其目的是比较高精度，鲁棒地计算传感器增量运动。然而这些方法都缺乏回环的能力，即使传感器连续重新回到同一地方，轨迹的估计会

摘要-本文提出了基于特征的可实时运行的单目SLAM系统-ORB-SLAM，在小的，大的，室内和室外环境中运行。本系统对严重的运动杂动是鲁棒的，允许宽基线的回环检测和重定位，包括完全的

1.论文简介论文题目：P3Depth:MonocularDepthEstimationwithaPiecewisePlanarityPriorPaper地址：paperCode地址：GithubPaper简单评论：个人觉得是2022CVPR上depth

1.论文简介论文题目：P3Depth:MonocularDepthEstimationwithaPiecewisePlanarityPriorPaper地址：paperCode地址：GithubPaper简单评论：个人觉得是2022CVPR上depth

ImVoxelNet这是一种基于单目或多视图RGB图像的3D对象检测的新型全卷积方法,根据RGB图进行3D检测.这种方法其实比较简单,先在多张2DRGB图上进行卷积操作(共享2D卷积核

FCOS3D是在2D检测器FCOS的基础上提出的,是一种单目3D检测算法,根据RGB图像进行3D目标检测.FCOS预测的是一个前景点到边界框的4个距离,而FCOS3D需要预测更多的东西,包括3D中