超越光度损失的自监督自我运动估计
计算机视觉与模式识别
2019-02-26 v1 机器人学
摘要
准确的相对位姿是视觉里程计（VO）与同步定位与建图（SLAM）的关键组成部分之一。近来，联合优化相对位姿与目标图像深度的自监督学习框架引起了学界关注。先前工作依赖于由相邻帧间深度与位姿生成的光度误差，由于反射表面与遮挡，其在真实场景中含有较大系统误差。本文中，我们在自监督框架中引入由对极几何约束的匹配损失，弥合了几何损失与光度损失之间的差距。在 KITTI 数据集上的评估表明，我们的方法大幅优于最先进的无监督自我运动估计方法。代码与数据可在 https://github.com/hlzz/DeepMatchVO 获取。
引用
@article{arxiv.1902.09103,
title = {Beyond Photometric Loss for Self-Supervised Ego-Motion Estimation},
author = {Tianwei Shen and Zixin Luo and Lei Zhou and Hanyu Deng and Runze Zhang and Tian Fang and Long Quan},
journal= {arXiv preprint arXiv:1902.09103},
year = {2019}
}
备注
Accepted by ICRA 2019