📚文章

LSD 是一种线段检测算法，该方法能在较短的时间内获取较高精度的直线段检测结果。LSD 直线检测算法首先计算图像中所有点的梯度大小和方向，然后将梯度方向变化小且相邻的点作为一个连通域，接着根据每一个域的矩形度判断是否需要按照规则将其断开以形成多个矩形度较大的域，最后对于生成的所有域做改善和筛选，保留其中满足条件的域，即为最后的直线检测结果。该算法的优点在于检测速度快，而且无需参数调节，利用错误控制的方法，提高直线检测的准确度。...

关键点检测通常会产生大量的关键点，这些关键点大多是聚类的、多余的和嘈杂的。这些关键点通常需要特殊处理，如自适应非最大限度抑制（ANMS），以保留最相关的关键点。在本文中，我们提出了三种新的有效的 ANMS 方法，确保快速和均匀地重新划分图像中的关键点。为此，我们提出了一个搜索范围的正方形近似，以抑制不相关的点，从而降低 ANMS 的计算复杂性。为了进一步加快所提出的方法，我们还引入了一种新的策略，根据图像维度初始化搜索范围，从而导致更快的收敛。为了突出我们的方法和初始化策略的有效性和可扩展性，我们进行了详尽的调查并与现有的方法进行了比较。...

视觉惯性里程计和 SLAM 算法被广泛应用于各个领域，如服务机器人、无人机和自主车辆。大多数 SLAM 算法都是基于地标是静态的假设。然而，在现实世界中，存在各种动态物体，它们会降低姿势估计的准确性。此外，暂时静止的物体，在观察过程中是静止的，但当它们离开视线时就会移动，可能会触发误报回环。为了克服这些问题，作者提出了一个新的视觉-惯性 SLAM 框架，称为 DynaVINS ，它对动态物体和暂时的静态物体都具有鲁棒性。在该框架中，首先提出了一个稳健的光束平差法（捆绑调整），通过利用由 IMU 预积分估计的姿势先验，可以拒绝来自动态物体的特征。然后，提出了一个关键帧分组和一个基于多假设的约束分组方法，以减少临时静态物体在回环检测中的影响。随后，作者在一个包含众多动态物体的公共数据集中评估了该方法。最后，实验结果证实，与其他最先进的方法相比，提出的 DynaVINS 具有良好的性能，成功地拒绝了动态和临时静态对象的影响。...

探测移动物体是处理动态环境的一项基本能力。大多数移动物体检测算法都是针对没有深度的彩色图像设计的。对于机器人导航来说，实时的 RGB-D 数据往往是现成的，利用深度信息将有利于障碍物的识别。文章中提出了一种使用 RGB-D 图像的简单移动物体检测算法。该算法不需要估计背景模型。相反，它使用遮挡模型，使我们能够在一个被占主导地位的移动物体混淆的背景上估计摄像机的姿势。所提出的算法允许将运动物体检测和视觉里程计 (VO) 分开，这样就可以在动态情况下结合移动物体检测来采用任意的鲁棒性 VO 方法。...

在任何地方的任何机器上运行 VS Code，并随时随地在浏览器中访问它。...

Filebrowser 提供了一个指定目录下的文件管理界面，它可以用来上传、删除、预览、重命名和编辑你的文件。它允许创建多个用户，每个用户可以有自己的目录。它可以作为一个独立的应用程序使用。...

GitHub Actions 提供了直接在 GitHub 仓库中创建软件生命周期工作流（workflow）的功能，极大方便了持续集成、持续部署的实现。...