基于RGB-D图像的自适应连续视觉里程计
机器人学
2019-10-03 v1 计算机视觉与模式识别
机器学习
摘要
在本文中，我们将最近开发的RGB-D相机连续视觉里程计框架通过在线超参数学习扩展为自适应框架。我们关注具有标量长度尺度各向同性核的情况。在实践中且正如预期，长度尺度对原始框架的性能有显著影响。先前通过在求解器内使用一组固定条件，在算法达到局部极小值时减小长度尺度来处理。我们通过每次迭代中的贪婪梯度下降步骤来自动化该过程，以寻找次优长度尺度。此外，为处理梯度下降步骤中梯度行为不佳的失败情况（例如场景中缺乏结构或纹理），我们使用长度尺度的搜索区间并将其逐步导向较小值。后一策略将自适应框架恢复为原始设置。使用公开可用RGB-D基准的实验评估表明，所提出的自适应连续视觉里程计优于原始框架及当前最先进水平（SOTA）。我们还将所开发算法的软件公开可用。
引用
@article{arxiv.1910.00713,
title = {Adaptive Continuous Visual Odometry from RGB-D Images},
author = {Tzu-Yuan Lin and William Clark and Ryan M. Eustice and Jessy W. Grizzle and Anthony Bloch and Maani Ghaffari},
journal= {arXiv preprint arXiv:1910.00713},
year = {2019}
}
备注
7 pages