考虑介质传输图的加权光流估计用于 underwater 视觉里程计
计算机视觉与模式识别
2024-07-19 v1
摘要
本文旨在通过整合水下光学成像原理来提高基于学习的单目视觉里程计（VO）在水下环境中的准确性。利用水下成像的固有特性，本文引入了一种新颖的 wflow-TartanVO 方法，增强了用于自主 underwater 无人机（AUV）的 VO 系统准确性。该方法利用标准化的介质传输图作为权重图，以调整估计的光流，强调具有较低退化的区域，抑制受水下光散射和吸收影响的不确定区域。wflow-TartanVO 无需对预训练的 VO 模型进行微调，从而提高了其适应不同环境和相机模型的灵活性。评估不同真实水下数据集表明，wflow-TartanVO 在基线 VO 方法中显著优越，显著降低了绝对轨迹误差（ATE）。实现代码已公开：https://github.com/bachzz/wflow-TartanVO
引用
@article{arxiv.2407.13159,
title = {Attenuation-Aware Weighted Optical Flow with Medium Transmission Map for Learning-based Visual Odometry in Underwater terrain},
author = {Bach Nguyen Gia and Chanh Minh Tran and Kamioka Eiji and Tan Phan Xuan},
journal= {arXiv preprint arXiv:2407.13159},
year = {2024}
}