一种用于两帧光流的非均匀似然模型
机器人学
2021-01-01 v2
摘要
机器视觉是用于移动机器人系统的重要传感技术。提升此类系统的自主性需要准确刻画传感器不确定性。视觉包含源于相机传感器的内禀不确定性，以及源于环境光照与纹理的外禀不确定性，它们通过用于产生视觉测量的图像处理算法传播。为忠实刻画视觉测量，我们必须考虑这些不确定性。本文提出一类新的似然函数，刻画两帧光流误差分布的不确定性，并使其能对纹理产生非均匀依赖。我们采用所提类来刻画 Farneback 与 Lucas Kanade 光流算法，并在仿真环境中于广泛纹理范围内与其各自经验误差分布取得紧密一致。所提似然模型的效用在视觉里程计自运动研究中得到展示，其性能与当代方法具竞争力。经验一致似然模型的发展推进了基于视觉的贝叶斯推断所需工具集，并支持与 GPS、LiDAR 及 IMU 的传感器数据融合，以推进鲁棒自主导航。
引用
@article{arxiv.2010.06871,
title = {A Heteroscedastic Likelihood Model for Two-frame Optical Flow},
author = {Timothy Farnworth and Christopher Renton and Reuben Strydom and Adrian Wills and Tristan Perez},
journal= {arXiv preprint arXiv:2010.06871},
year = {2021}
}