众包三维建图：一种多视图几何与自监督学习相结合的方法
计算机视觉与模式识别
2023-02-03 v1 机器学习
机器人学
摘要
高效利用众包视觉数据的能力，对于大规模动态建图和自动驾驶领域具有巨大潜力。然而，当前最先进的众包三维建图方法均假设已知相机内参。在本工作中，我们提出一个框架，仅使用单目彩色相机和 GPS，在不假设已知相机内参的情况下，估计交通标志等具有语义意义的地标的三维位置。我们利用多视图几何以及基于深度学习的自标定、深度和自运动估计进行交通标志定位，并证明结合它们的优势对于提高地图覆盖率至关重要。为促进该任务的研究，我们构建并公开了一个基于 KITTI 的三维交通标志真值定位数据集。使用我们提出的框架，在该数据集上，我们实现了平均单次行程相对定位精度 39 厘米和绝对定位精度 1.26 米。
引用
@article{arxiv.2007.12918,
title = {Crowdsourced 3D Mapping: A Combined Multi-View Geometry and Self-Supervised Learning Approach},
author = {Hemang Chawla and Matti Jukola and Terence Brouns and Elahe Arani and Bahram Zonooz},
journal= {arXiv preprint arXiv:2007.12918},
year = {2023}
}
备注
Accepted at 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)