PuzzlePoles: Cylindrical Fiducial Markers Based on the PuzzleBoard Pattern
Faculty of Computer Science and Digital Society（计算机科学与数字社会学院）
PuzzlePole是一种基于PuzzleBoard模式的圆柱形标定标记，通过独特组合结构实现高精度定位和鲁棒性，适用于机器人导航、SLAM及实体接口等多种自主系统场景。
2025-11-18 cs.CV
Towards agile multi-robot systems in the real world: Fast onboard tracking of active blinking markers for relative localization
Czech Technical University（捷克技术大学）；Mohammed VI Polytechnic University（穆莱·伊沙克·穆莱六世理工学院）
本文提出AMT机载跟踪方法，利用加权多项式回归预测主动闪烁标记的未来出现并处理不确定性，以支持真实世界多机器人的视觉相对定位与光通信，户外实验表明其在跟踪密度、精度和复杂性上优于现有方法。
2025-09-29 cs.CV cs.RO
Comparative Study of Visual SLAM-Based Mobile Robot Localization Using Fiducial Markers
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Edinburgh（爱丁堡大学）
本文比较了基于视觉SLAM和基准标记的移动机器人定位的三种模式，发现定位模式运行时间最短，但在先验地图受扰动时，带有先验地图的SLAM表现更鲁棒。
2023-09-08 cs.CV cs.RO
Marker based Thermal-Inertial Localization for Aerial Robots in Obscurant Filled Environments
Autonomous Robots Lab, University of Nevada, Reno（内华达大学雷诺分校自主机器人实验室）
对于已知环境中的机器人检查任务，基准标记为机器人定位提供了可靠且低成本的解决方案。然而，这种标记的检测依赖于RGB相机数据的质量，其在存在诸如雾和烟的视觉模糊物的情况下显著降低。在存在遮蔽物的已知环境中导航的能力对于检查任务来说可能是至关重要的，特别是在灾难之后。针对这种情况下，这项工作提出了一种方法，用于设计的基准标记与热摄像机的姿态估计的空中机器人。我们的低成本标记器设计用于长波红外光谱，不受遮蔽物的影响，并且可以贴在任何与周围环境有可测量温差的物体上。此外，在扩展的卡尔曼滤波器中将来自基准标记的估计姿态与惯性测量融合，以去除基准姿态估计中存在的高频噪声和误差。建议的标记和姿态估计方法进行了实验评估，在一个昏暗的填充环境中使用的航空机器人携带热摄像机。
2019-03-02 cs.CV cs.RO
SparseAlign: A Super-Resolution Algorithm for Automatic Marker Localization and Deformation Estimation in Cryo-Electron Tomography
Centrum Wiskunde & Informatica（荷兰国家数学与计算机科学研究中心）；Leiden University（莱顿大学）；Thermo Fisher Scientific（赛默飞世尔科技）；Leiden Institute of Advanced Computer Science（莱顿高级计算机科学研究院）
倾斜序列对准是获得高分辨率重建在冷冻电子断层扫描中的关键。光束引起的样品局部变形很难单独从低对比度样品中估计，并且通常需要基准金珠标记。用于变形估计的最新方法使用投影数据中的（半）手动标记的标记位置来拟合多项式变形模型的参数。当数据有噪声或标记在投影数据中重叠时，难以获得手动标记的标记位置。我们提出了一种替代的数学方法，通过扩展首次提出的单分子定位显微镜的背景下，无网格的超分辨率算法，同时标记定位和变形估计。我们的方法不需要标记的标记位置;相反，我们使用基于图像的损失，将标记的前向投影与观察到的数据进行比较。我们配备了一个额外的变形估计组件，并解决了变形参数的数量减少，这个标记定位方案。通过对仅标记样本的广泛数值研究，我们表明，我们的方法可以自动找到标记，并可靠地估计样本变形，而无需标记数据。我们进一步证明了我们的方法适用于广泛的模型失配的情况下，包括实验电子断层扫描数据的黄金标记在冰上。
2022-01-21 cs.CV cs.NA eess.IV
Robust Localization with Visual-Inertial Odometry Constraints for Markerless Mobile AR
HKUST（香港科技大学）
本文提出VIO-APR框架，结合绝对位姿回归器与局部VIO系统形成反馈循环以补偿漂移，显著提升了无标记移动AR的定位精度与稳定性。
2023-09-15 cs.CV
Robust Subpixel Localization of Diagonal Markers in Large-Scale Navigation via Multi-Layer Screening and Adaptive Matching
College of Aerospace Science and Engineering（航空航天科学与工程学院）；National University of Defense Technology（国防科技大学）；Hunan Provincial Key Laboratory of Image Measurement and Vision Navigation（湖南省图像测量与视觉导航重点实验室）
本文提出一种多层筛选与自适应匹配相结合的方法，用于大尺度导航中实现对角标记的鲁棒子像素定位。
2026-01-13 cs.CV cs.RO
Resolving Marker Pose Ambiguity by Robust Rotation Averaging with Clique Constraints
The University of Adelaide（阿德莱德大学）；University of Tsukuba（筑波大学）
平面标记在机器人和计算机视觉中用于映射和定位。给定图像中检测到的标记，常见的任务是估计标记相对于相机的6DOF姿态，这是平面姿态估计（PPE）的实例。虽然有成熟的技术，PPE遭受一个基本的模糊性问题，因为可能有一个以上的合理姿态解决方案的PPE实例。特别是当标记角的定位有噪声时，通常难以单独基于重投影误差来消除姿态解的歧义。以前的方法使用启发式标准在可能的解决方案之间进行选择，或者简单地忽略模糊的标记。我们建议通过检查一组标记在多个视图中的位置来解决歧义。我们的具体贡献包括一个新的旋转平均配方，采用了可能的标记定位解决方案，从PPE的模糊性之间的长期依赖关系。我们分析了问题的组合复杂性，并开发了一种新的提升算法来有效地解决标记姿态模糊，而不丢弃任何标记观察。真实和合成数据的结果表明，我们的方法能够处理高度模糊的输入，并提供更准确和/或完整的基于标记的映射和定位。
2019-09-26 cs.CV cs.RO
Global Localization Based on 3D Planar Surface Segments
J. J. Strossmayer University of Osijek（约瑟夫·尤拉伊·施特罗斯马耶尔奥西耶克大学）；University of Zagreb（萨格勒布大学）
考虑了利用从深度图像中提取的平面表面段进行移动机器人全局定位的问题。机器人的环境是由局部模型组成的拓扑图表示的，每个局部模型表示由一组平面表面段建模的特定位置。所讨论的定位方法将由3D相机获取的深度图像分割成平面表面段，然后将平面表面段与模型表面段相匹配。机器人位姿估计的扩展卡尔曼滤波器使用表面段对作为测量。所考虑的方法的可靠性和准确性的实验评估使用移动机器人配备了微软Kinect传感器。
2013-10-01 cs.CV
3D Reconstruction and Alignment by Consumer RGB-D Sensors and Fiducial Planar Markers for Patient Positioning in Radiation Therapy
Instituto Maimónides de Investigación en Biomedicina (IMIBIC)（迈蒙尼德生物医学研究所）；Córdoba University（科尔多瓦大学）；Health Time；Clínica las Nieves（拉斯涅韦斯诊所）
背景和目的：患者定位是放射治疗中的关键步骤，已经开发了基于使用光学3D成像的表面重建的非侵入性方法。然而，大多数解决方案需要昂贵的专用硬件和仔细的校准程序，必须重复随着时间的推移。本文提出了一种快速，廉价的患者定位方法的基础上廉价的消费级RGB-D传感器。方法：所提出的方法依赖于一种3D重建方法，该方法实时融合从手持RGB-D传感器记录的人工和自然视觉地标。视频序列被转换成一组具有已知姿势的关键帧，这些关键帧随后被细化以获得患者的真实3D重建。人工地标的使用允许我们的方法自动将重建与参考重建对齐，而不需要相对于线性加速器坐标系校准系统。结果：进行的实验表明，我们的方法得到了一个中位数为1厘米的平移误差，1度的旋转误差相对于参考位姿。此外，所提出的方法将（来自参考和当前场景的）叠加姿态和误差图示出为视觉输出，该误差图可以用于校正患者的当前姿态以匹配参考姿态。结论：提出了一种新的方法来获得三维身体重建的病人定位，而不需要昂贵的硬件或专用的图形卡。该方法可以用于将患者的当前姿势实时的对准到预览姿势，这是放射治疗中的相关步骤。
2021-03-22 cs.CV
TagSLAM: Robust SLAM with Fiducial Markers
University of Pennsylvania School of Engineering and Applied Science（宾夕法尼亚大学工程与应用科学学院）
TagSLAM提供了一种使用AprilTag基准标记执行同时定位与地图构建（SLAM）的方便、灵活且鲁棒的方式。通过利用一些简单的抽象（身体，标签，摄像头），TagSLAM为GTSAM因子图优化器提供了一个前端，可以快速设计一系列基于标签的实验：全SLAM、具有非重叠视图的外部相机校准、地面实况的视觉定位、里程计的环路闭合，姿态估计等。我们详细讨论了如何在一个强大的方式TagSLAM映射的因素图，并作为一个应用程序的例子，目前的循环关闭。TagSLAM是一个基于ROS的开源软件包，可以在www.example.com上找到。
2019-10-01 cs.CV cs.RO
Marker-free eye-gaze estimation using a single image and depth from defocus
Université de Sherbrooke（舍布鲁克大学）
本文提出一种基于单目摄像头和散焦深度的无标记眼动估计方法，利用虹膜定位与头部姿态特征，通过变分贝叶斯多项逻辑回归映射到注视位置，实验验证其有效性。
2026-09-10 cs.CV
Markerless Suture Needle 6D Pose Tracking with Robust Uncertainty Estimation for Autonomous Minimally Invasive Robotic Surgery
University of California San Diego（加州大学圣地亚哥分校）
缝合针定位是自主缝合的必要条件。由于无标记检测的不一致性，自主缝合中的先前方法通常依赖于基准标记而不是无标记检测方案来定位缝合针。然而，基准标记对于现实世界的应用是不实用的，并且在外科手术中经常会被环境因素遮挡（例如，血液）。因此，在这项工作中，我们提出了一个强大的跟踪方法，估计6D姿态的缝合针时，使用不一致的检测。我们根据缝合针的几何形状定义观察模型，该几何形状捕获检测的不确定性，并以概率的方式暂时融合它们。在我们的实验中，我们比较了不同排列的观察模型在缝合针定位任务，以显示其有效性。我们提出的方法优于以前的方法定位缝合针。我们还证明了所提出的跟踪方法在一个自主缝合针重握任务和体外环境。
2022-04-04 cs.CV cs.RO
Real-time 6-DoF Pose Estimation by an Event-based Camera using Active LED Markers
Automation and Control Institute (ACIN), TU Wien（维也纳工业大学自动化与控制研究所（ACIN））；Austrian Institute of Technology (AIT)（奥地利技术研究院（AIT））；Prophesee GmbH（Prophesee有限公司）
本文提出一种使用主动LED标记的基于事件相机的实时6自由度位姿估计系统，以低于0.5毫秒延迟和3kHz输出率实现快速准确的定位，克服了传统相机的运动模糊问题。
2023-10-25 cs.CV cs.RO
Improving the perception of visual fiducial markers in the field using Adaptive Active Exposure Control
Dartmouth College（达特茅斯学院）
针对水下光照剧烈变化导致视觉基准标记定位不准的问题，提出基于梯度的主动曝光控制方法，实验证明其显著提升AUV定位精度，可作为视觉状态估计的关键组件。
2024-04-18 cs.CV cs.RO
Marker-free deformable registration and fusion for augmented reality-guided positive margin localization during tumor resection surgery
Vanderbilt University（范德堡大学）；Vanderbilt University Medical Center（范德堡大学医学中心）
研究针对头颈部肿瘤手术中阳性切缘定位难题，提出无标记增强现实工作流程，结合多种技术实现标本扫描到切除床的映射，经实验验证该方法能有效降低定位误差，支持更精确肿瘤切除。
2026-07-16 cs.CV cs.ET cs.HC
Efficient Circle-Based Camera Pose Tracking Free of PnP
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
基于平面标记的摄像机位姿跟踪方法具有易于实现的特点，受到学术界和工业界的广泛关注。然而，大多数现有的方法需要在标记图像中识别多个点以用于与空间点的匹配。然后，使用Pestival和RANSAC来计算相机位姿。如果摄像机移动速度快或距离标记较远，则匹配容易产生错误，即使RANSAC也无法消除不正确的匹配。那么，Pingdom的结果不能有很好的性能。为了解决这个问题，我们设计了圆形标记，并表示6D摄像机位姿解析和统一的非常简洁的形式，从每个标记的投影不变性。然后，提出了一种基于极-n-方向几何距离的非线性代价函数，进一步优化了姿态。该方法从图像的圆边缘出发，不需要PADER/RANSAC，使得姿态跟踪具有鲁棒性和准确性。实验结果表明，该方法优于国家的艺术在噪声，模糊，从相机到标记的距离。同时，它仍然可以在只有CPU的消费者计算机上以约100 FPS的速度运行。
2019-07-24 cs.CV
CylinderTag: An Accurate and Flexible Marker for Cylinder-Shape Objects Pose Estimation Based on Projective Invariants
Peking University（北京大学）；Fuzhou University（福州大学）；Peking University School and Hospital of Stomatology（北京大学口腔医院）
本文针对传统平面标记难以适配圆柱曲面的问题，提出基于射影不变量编码的 CylinderTag 环形标记，并配套生成器与识别器，实验证明其检测、定位和实时性能优越。
2023-10-20 cs.CV cs.GR cs.RO
A Height-Constrained 2-Point Minimal Solver for Pose Estimation from Active LED Markers with Event Cameras
Graz University of Technology（格拉茨工业大学）；University of Picardie Jules Verne（皮卡迪儒勒·凡尔纳大学）；University of Burgundy（勃艮第大学）
针对空间受限场景的位姿估计难题，提出结合机载传感器高度与倾斜角的事件相机主动LED标记点两点最小求解器，实验显示其精度优于P2P、性能与P3P相当。
2026-08-11 cs.CV cs.RO
Fluoroscopic Shape and Pose Tracking of Catheters with Custom Radiopaque Markers
Vanderbilt University（范德比大学）；Vanderbilt University Medical Center（范德比大学医学中心）
针对现有导管追踪方法无法适配神经介入微导管的问题，本研究设计带定制不透射线标记的导管及排布优化准则，实现双平面透视下高精度形状与位姿追踪，支撑导管自主导航。
2025-06-11 cs.CV cs.RO
Vision-based Semantic Mapping and Localization for Autonomous Indoor Parking
Tongji University（同济大学）
针对停车场自动驾驶的实时室内定位问题，提出了一种新颖实用的解决方案。提取高级地标，停车位，并使用标签进行丰富，以避免低级视觉特征的混叠。然后，我们提出了一个强大的方法来检测停车位之间的不正确的数据关联，并通过动态消除次优数据关联进一步扩展了优化框架。引入视觉基准标记以提高整体精度。结果，可以完全自动地和鲁棒地建立停车场的语义地图。我们使用我们的自动驾驶平台TiEV测试了基于地图的实时定位性能，在10公里/小时的速度下可以实现0.3米轨迹跟踪的平均精度。
2018-09-26 cs.CV
E-VLC: A Real-World Dataset for Event-based Visible Light Communication And Localization
Toyota（丰田）
本文提出首个包含事件相机、帧相机和同步地面真值位姿的公开数据集E-VLC，用于基于事件的可见光通信与定位，并利用对比度最大化框架提出新的定位方法，实验证明其优于传统AR标记方法。
2025-04-25 cs.CV cs.RO eess.SP
MB-Loc: Multi-planar Bird's-eye-view Localization in outdoor LiDAR scenes
Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校）
提出MB-Loc框架，通过将LiDAR扫描投影为2.5D多平面鸟瞰图表示，结合KL正则化隐瓶颈和3D空间增强，实现轻量级、视角鲁棒的场景坐标回归定位，在NCLT数据集上达到实时推理并超越现有方法。
2026-06-11 cs.CV
An Indoor Localization Dataset and Data Collection Framework with High Precision Position Annotation
Galatasaray University（加拉塔萨雷大学）；Boğaziçi University（博阿齐奇大学）
我们介绍了一种新的技术和相关的高分辨率数据集，旨在精确评估基于无线信号的室内定位算法。该技术实现了基于增强现实（AR）的定位系统，该定位系统用于用高精度位置数据来注释无线信号参数数据样本。我们在装饰有AR标记的区域中跟踪相机和蓝牙低功耗（BLE）信标的实用且低成本的可导航设置的位置。我们最大限度地提高性能的AR为基础的本地化，通过使用冗余数量的标记。由摄像机捕获的视频流经过一系列标记识别、子集选择和过滤操作，以产生高度精确的姿态估计。我们的研究结果表明，我们可以减少AR定位系统的位置误差率低于0.05米。然后，位置数据用于注释由位于环境中的传感器同时捕获的BLE数据，因此，构建具有地面实况的无线信号数据集，这允许准确地评估基于无线信号的定位系统。
2022-09-06 cs.CV cs.LG cs.NI
Insights into the robustness of control point configurations for homography and planar pose estimation
Technische Universität Darmstadt（达姆施塔特工业大学）
在本文中，我们调查的空间配置的一些$n \geq 4$控制点的空间后方交会方法的准确性和鲁棒性的影响，例如，用于姿态估计的基准标记。我们通过最小化DLT算法的一阶扰动解来找到控制点的鲁棒配置，这相当于最小化数据矩阵的条件数。一个经验统计评估，验证这些优化的控制点配置不仅提高了DLT单应性估计的性能，而且还提高了IPPE和EPPEND等平面姿态估计方法的性能，包括迭代最小化的重投影误差，这是最准确的算法。我们提供了稳定的控制点配置为现实世界中的嘈杂的相机数据，实际上是独立的相机姿势和形成一定的对称图案依赖于点的数量的特点。最后，我们提出了一个比较优化的配置与控制点的数量。
2019-01-09 cs.CV
Towards Unstructured Unlabeled Optical Mocap: A Video Helps!
Texas A&M University（德克萨斯农工大学）；University of Macau（澳门大学）
针对标记点可任意放置且无标注的UUO光学动捕，本文利用单目RGB视频提供人体先验，提出联合标记点识别标注、姿态估计与身体重建的优化流程，并在三个基准上显著超越现有方法。
2024-05-15 cs.CV cs.GR
Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments
Balgrist University Hospital, University of Zurich（苏黎世大学巴尔格利斯特大学医院）；ETH Zurich（苏黎世联邦理工学院）；OR-X Translational Center for Surgery, Balgrist University Hospital, University of Zurich（苏黎世大学巴尔格利斯特大学医院OR-X外科转化中心）；Technical University Munich（慕尼黑工业大学）
本文研究手术器械的无标记多视角6DoF位姿估计，提出多相机采集设置并发布离体脊柱手术RGB-D数据集，通过评估多种方法证明多视角优化可将位置误差降至1.01毫米，验证了无标记跟踪替代标记系统的可行性。
2025-04-10 cs.CV
Pose estimation of a single circle using default intrinsic calibration
IRIT (INP-ENSEEIHT)（图卢兹计算机科学研究所（法国国立高等工程技术学院））；Ubleam（优布莱姆）
圆形标记是平面标记，其为检测和姿态估计提供了很好的性能。对于焦距未知的未标定相机，通常需要至少两个共面圆的图像来恢复它们的位姿。不幸的是，检测图像中的多个椭圆必须是棘手和耗时的，特别是关于同心圆。另一方面，当摄像机被校准时，一个圆就足够了，但解决方案是双重的，并且很难消除歧义。我们的贡献是通过处理未校准的情况下，看到一个圆的相机，并讨论如何消除歧义，把这个限制。我们提出了一个新的问题制定，使如何检测几何配置中的模糊性可以被删除。此外，我们介绍了默认相机的内在的概念，并显示，使用密集的经验工作，令人惊讶的观察，非常近似的校准可以导致准确的圆姿态估计。
2018-04-13 cs.CV
Effect of Timing Error: A Case Study of Navigation Camera
Michigan State University（密歇根州立大学）；Globus Medical（格罗布斯医疗）
我们专注于导航摄像机的定时误差的问题，作为一个案例研究在更广泛的问题，在网络物理系统中的定时误差的影响。这些系统依赖于某些事情同时发生或某些事情在某个周期$T$周期性地发生的要求。然而，随着这些系统变得越来越复杂，组件之间可能会出现定时误差，从而违反了关于事件是同时（或周期性）的假设。我们考虑的问题，手术导航系统中检测到的光学标记在二维图像中由两个摄像机被用来定位在三维空间中的标记。此类标记的预定义阵列（称为参考元素）用于在患者图像上导航手术器械的相应CAD模型。相机依赖于假设来自两个相机的照片是完全同时拍摄的。如果发生定时错误，则仪器可能在图片之间移动。我们发现，根据仪器的位置，这可能会导致仪器定位的重大错误。具体而言，我们发现，如果实际的运动是$δ$，那么观察到的运动可能高达$5δ$在相机的操作范围内。此外，我们还确定了在相机系统或操作范围发生变化时可能影响误差的潜在问题。
2022-03-01 cs.CV
Monocular Direct Sparse Localization in a Prior 3D Surfel Map
RAM-LAB（RAM实验室）；Hong Kong University of Science and Technology（香港科技大学）
在本文中，我们介绍了一种方法来跟踪单目相机的姿态在先验surfel地图。通过绘制顶点和法线映射，从先前的冲浪地图，在图像帧中的稀疏跟踪点的全局平面信息。跟踪点的全局平面信息和非全局平面信息涉及框架对系统的全局和局部约束。我们的方法制定了所有的限制，在一个本地窗口的帧内的直接光度误差的形式。最后的优化利用这些约束，以提供全局6自由度相机位姿的绝对尺度的准确估计。大量的仿真和真实世界的实验表明，我们的单目方法可以提供准确的摄像机定位结果在各种条件下。
2020-02-23 cs.CV cs.RO
Mobile Augmented Reality Framework with Fusional Localization and Pose Estimation
Worcester Polytechnic Institute（伍斯特理工学院）；Tohoku University（东北大学）；Purdue University（普渡大学）；The Hong Kong Polytechnic University（香港理工大学）
针对室内移动AR定位不准与标记跟踪体验差的问题，提出融合定位与新型位姿估计框架，在0.5米采样网格下取得0.61–0.81米误差和77%–82%匹配率。
2025-01-06 cs.CV
Pose Estimation for Robot Manipulators via Keypoint Optimization and Sim-to-Real Transfer
University of California San Diego（加州大学圣地亚哥分校）
关键点检测是许多机器人应用（如运动捕获和姿态估计）的重要组成部分。历史上，使用独特设计的标记（例如棋盘或基准点）检测关键点。最近，已经探索了深度学习方法，因为它们能够以无标记的方式检测用户定义的关键点。然而，不同的手动选择的关键点在检测和定位方面可能具有不均匀的性能。这方面的一个例子可以在对称机器人工具上找到，其中DNN检测器无法正确解决对应问题。在这项工作中，我们提出了一种新的和自主的方式来定义关键点的位置，克服了这些挑战。该方法涉及寻找机器人操作器上的关键点的最佳集合，用于鲁棒的视觉检测和定位。使用机器人模拟器作为媒介，我们的算法利用合成数据进行DNN训练，所提出的算法用于通过迭代方法优化关键点的选择。结果表明，当使用优化的关键点时，DNN的检测性能显着提高。我们进一步将优化的关键点用于真实的机器人应用程序，通过使用域随机化来弥合模拟器和物理世界之间的现实差距。物理世界的实验表明，所提出的方法可以应用到广泛的机器人应用，需要视觉反馈，如摄像机到机器人校准，机器人工具跟踪，和末端执行器姿态估计。
2022-02-08 cs.CV cs.RO
