BEV-ODOM：基于鸟瞰视图表示降低单目视觉里程计尺度漂移
机器人学
2024-11-18 v1
摘要
单目视觉里程计（MVO）是自主导航和机器人领域的关键技术，提供了成本效益高且灵活的运动跟踪解决方案，但固有的尺度歧义常导致随时间累积的误差。本文提出了 BEV-ODOM，一种新型 MVO 框架，利用鸟瞰视图（BEV）表示来解决尺度漂移问题。与现有方法不同，BEV-ODOM 集成了基于深度的透视图（PV）到 BEV 编码器、关联特征提取颈部结构以及 CNN-MLP 解码器，使其能够在无需深度监督或复杂优化技术的情况下，估计三自由度的运动。我们的框架在长序列中减少尺度漂移，并在多个数据集上实现精确运动估计，包括 NCLT、Oxford 和 KITTI。结果表明，BEV-ODOM 优于当前 MVO 方法，显示出更小的尺度漂移和更高的精度。
引用
@article{arxiv.2411.10195,
title = {BEV-ODOM: Reducing Scale Drift in Monocular Visual Odometry with BEV Representation},
author = {Yufei Wei and Sha Lu and Fuzhang Han and Rong Xiong and Yue Wang},
journal= {arXiv preprint arXiv:2411.10195},
year = {2024}
}