CNSv2：概率对应编码神经图像伺服
计算机视觉与模式识别
2025-03-04 v1 机器人学
摘要
基于传统图像匹配方法的视觉伺服通常需要准确的关键点对应才能实现高精度控制。然而，关键点检测或匹配在照明不一致或无纹理目标等具有挑战性的场景下容易失败，导致显著的性能下降。以往方法，包括我们提出的基于对应编码的神经图像伺服策略（CNS），尝试通过整合神经网络控制策略来缓解这些问题。虽然CNS在应对误差对应方面优于传统基于图像的控制器，但仍未能完全解决由差劲关键点检测和匹配引起的局限性。本文继续解决此问题，提出新方案：概率对应编码神经图像伺服（CNSv2）。CNSv2利用概率特征匹配提升了在具有挑战性场景下的鲁棒性。通过重新设计架构以适应多模态特征匹配，CNSv2实现了高精度、跨多样场景的鲁棒性以及实时运行。我们通过仿真和实际实验验证了CNSv2的有效性，展示了其在视觉伺服任务中克服基于探测器方法局限性的能力。
引用
@article{arxiv.2503.00132,
title = {CNSv2: Probabilistic Correspondence Encoded Neural Image Servo},
author = {Anzhe Chen and Hongxiang Yu and Shuxin Li and Yuxi Chen and Zhongxiang Zhou and Wentao Sun and Rong Xiong and Yue Wang},
journal= {arXiv preprint arXiv:2503.00132},
year = {2025}
}