卷积跨视角位姿估计
计算机视觉与模式识别
2023-12-25 v3
摘要
我们提出了一种新颖的端到端跨视角位姿估计方法。给定一幅地面查询图像和一张覆盖查询局部邻域的航拍图像,通过将查询的图像描述符与航拍图像内局部区域的描述符进行匹配,估计查询的3自由度相机位姿。方向感知描述符通过使用平移等变卷积地面图像编码器和对比学习获得。定位解码器以由粗到细的方式通过新颖的局部化匹配上采样模块产生密集概率分布。较小的方向解码器产生向量场,使方向估计以定位为条件。我们的方法在VIGOR和KITTI数据集上得到验证,在可比较的方向估计精度下,其中值定位误差分别超越最先进基线72%和36%。预测的概率分布可表示定位模糊性,并能够拒绝可能的错误预测。无需重新训练,该模型即可在不同视场的地面图像上推理,并在可用时利用方向先验。在Oxford RobotCar数据集上,我们的方法可随时间可靠估计自车位姿,以14 FPS实现低于1米的中值定位误差和约1度的中值方向误差。
引用
@article{arxiv.2303.05915,
title = {Convolutional Cross-View Pose Estimation},
author = {Zimin Xia and Olaf Booij and Julian F. P. Kooij},
journal= {arXiv preprint arXiv:2303.05915},
year = {2023}
}